抖音兴趣推荐算法是怎么工作的？有哪些推荐方式？

问题

想问一下抖音的推荐算法是怎么工作的，为什么推荐的都是自己喜欢的内容？

答案

平台是如何判断你的喜好的？

当我们刷视频的时候，平台会记录你的动作，并生成一组行为数据，而这些数据会用于后面兴趣权重的计算。

值得注意的是，每条视频都会单独生成一个兴趣权重，兴趣权重等于行为数据乘以停留时长乘以衰减函数，不同动作有不同的数值累加乘行为数据，停留时长越长权重越高，越新的视频权重越大，并且看过的视频兴趣权重会随着时间衰减。

所以我们每次打开一个美女视频，就会生成一个新的兴趣权重。

平台把一段时间内所有关于美女视频的兴趣权重进行累加，再用sig mode函数标准化，就可以得到零到一的兴趣标签值。

数值越高代表对此类视频兴趣越大。然后把不同类型视频的兴趣标签值坐标化，放到一个多维空间，就会变成一个特征向量。

假设你的美女兴趣值是0.6，创业兴趣值是0.5，拍摄兴趣值是0.3，就可以用向量表示成这样，我们可以把它理解成多维空间的一个坐标。

接下来把其他用户坐标值导入相似度的计算公式，就会得到和你相似的人，进而把用户分类。

找到同类的人，再配合DNN神经网络的多重判断平台，就可以把视频推送给相似的人群了。

一句话总结

根据用户行为加权，然后建立兴趣模型，在根据兴趣模型匹配对应的内容标签进行推送。整个过程是动态的，持续变化的，没人知道具体的推送数据是什么。

无水印视频批量解析下载网站：https://alan.llcq.com/

加入短视频学习群

加入短视频学习群