抖音首次公开推荐算法原理

近日，“抖音安全与信任中心”网站上线。网站面向社会公开抖音算法原理、社区规范、治理体系和用户服务机制。

在网站最新更新的《网红是平台“强推”出来的吗》中提到创作者走红最主要原因是用户的选择，首先，算法决定了现象级的“网红”都是广大用户“海选”出来的。推荐算法只能预估用户的点赞、转发等行为，而内容是让用户产生这些行为的关键。其次，抖音非常重视用户体验，这也决定了平台不会“硬推”“强推”内容给用户。

1.推荐算法是对用户各种行为概率的综合预估

2.推荐只预估行为动作

当用户打开抖音时，抖音的推荐算法会给候选视频打分，并把得分最高的视频推送给用户。

用户在观看时可以对看到的视频做出各种互动，这些互动体现了用户对这个视频的感兴趣程度。比如用户点赞比不点赞要好，看完比没看完要好，没有点不喜欢比点不喜欢好。在这里，“看完了”就是一次反馈动作，“点赞”也是一次反馈动作。

用户对观看的视频的每一次反馈，都有正面或者负面的价值。抖音的推荐排序模型学习的也就是这种行为反馈，推荐系统的目标就是把反馈价值最高的视频推给用户。

概率模型预测：抖音推荐算法都预估用户哪些行为

推荐算法会通过算法模型预测用户对候选视频的行为概率（动作率）。结合用户行为和视频本身的价值权重，推算出视频推荐的价值分数，并将综合得出的价值最高的视频推送给用户。

在这个过程中，推荐算法会对用户的一系列行为预估，这些行为包括点赞、关注、收藏、分享、不喜欢、是否点击作者头像、评论区停留时长、长期消费等等。

抖音算法的多目标平衡

推荐算法通过各种“目标”来预估用户行为，为用户推荐内容。但用户的行为动作有很多，不同行为的重要程度会决定算法推荐的优先级。因此，为推荐算法设置合理的目标格外重要。

推荐算法在诞生之初只关注单一或者少量的目标，比如完播、点赞，但随着平台内容和各方需求日益多元化，单一目标已难以满足实际需求，多目标推荐系统成为主流。

多目标推荐系统，核心在于同时建模和优化多种不同的目标函数、以构建更全面平衡的推荐策略。多目标反映了用户、平台或创作者的多样化需求。

通过提升用户体验，让用户喜欢使用产品，是所有推荐系统的天然目标。推荐算法在诞生之初，大多是服务这个目标，比如预测用户观看完内容（即完播率）、点赞的概率。

河马云手机平台功能强大配套服务功能齐全，可以配合各种游戏操作，感兴趣的小伙伴可以登录体验，新注册用户将自动分配2台云手机，可以免费进行试用哦~

海外市场潜力巨大，需求多样，希望开拓海外市场的企业可选择云手机服务商Hippo Cloud实现海外推广营销。

Hippo Cloud现已正式开放使用，新注册用户可自动分配到2台云手机，试用时长3小时，更有K11跨境电商专属云机，大家多多关注海外板块内容~

可点击链接直接进入：https://www.hippocloudphone.com/

部分图文来源于网络

如有侵权请联系作者删除