标签: 抖音 推荐算法 双塔模型 Wide&Deep
云梦级3月4日云梦级消息,据抖音集团微信公众号云梦级消息,近日,抖音安全与信任中心官网上线“体验算法”标签板块,以可交互的动画形式拆解推荐算法的工作原理与流程,面向公众科普“一条视频如何被推荐”。

据介绍,在过往: 算法公开的基础上,本次“体验算法”板块的最大特点是可视化、可互动,不懂技术的小白也能看懂。用户可通过抖抖音音安全与信任中心官网,或在抖音 App 搜索“看得懂的算法”关键词进入体验。
抖音每天上传的新内容数超过一亿,为了 推在海量视频中挑选出用户最满意的内容,算法经过了一步步的“精挑细选”,大致包含召回、排序等环节。
首先是召回环节荐算,体验演示以双塔模型、兴趣时钟为主。双塔模型是抖音进行高效召回的主力模型之一,体验者可代入不同用户角色,看到法 算法计算虚拟用户与视频的推荐指数,直观感受内容与用户的匹配逻辑:


拨动兴趣时钟指针,便能发现算法还会兼顾“场外因素双塔”,比如依据时间调整推荐倾向,贴合用户不同时段的兴趣偏好:

召回结束,推荐系统从内容池里大约挑选出数千条候选模型内容,进入排序环节。这一环节用 Wide&Deep 模型来演示,它也是抖音的主力模型之一。
排序是一套打 W分系统,数千条视频里得分最高的,会被优先推荐。用户行为(点击、浏览、喜欢、转发、收藏等)是打分依据,模型不id仅考虑用户曾经喜欢看的内容,也想帮助他们发现潜在的兴趣。
Wide 部分负责“记忆”,与已知的兴趣关联,Dee&ep 部分负责“泛化”,发现未曾出现过的相关性,两部分融合计算,得到最终的“排序分”。

推荐过程中,算法还会通过De打散、多样性调节、混排等操作来优化推荐结果,避免出现推荐结果单一的问题。在互动演示中拖动随机扰动强度,ep能观察到推荐列表从单一到多元,体验随机扰动带来内容多样性,理解算法如何打破“信息茧房”,不仅要发现和记住用户标签喜欢的内容,也帮助用户挖掘潜在兴趣、看到更广阔的世界。

相关文章:
相关推荐:
- AI给老照片上色,真的准吗?技术圈和历史圈吵了1000帖
- 谷歌斥资超2700万欧元在芬兰购地,推进云计算和数据基础设施扩建计划
- 终于有人将Seaborn可视化讲明白了
- 多模态人工智能初创公司 Fal.ai 的估值已超过 40 亿美元 半年内价值翻三倍
- 云计算核心技术Docker教程:将Java的镜像作为容器运行
- 标签: 胡润富豪榜 马斯克 张一鸣 字节跳动
- “马化腾”称用阿里云不如用腾讯云?腾讯云回应:假的
- 韩国政府携手谷歌 DeepMind,共同推动国家科学 AI 研究中心的建立
- 一图生动画,人物无缝替换!Wan-Animate开源引爆AI视频革命,阿里黑科技免费玩转?
- 如何保护Kubernetes的机密信息
