官方首次！抖音海外版TikTok揭秘短视频推荐算法的工作机制

大数据文摘

发布于 2020-06-29 07:51:20

2.3K0

大数据文摘出品 来源：The Verge

编译：刘俊寰

抖音海外版TikTok在全球大火，靠着精准的视频推荐和社交属性，成为中国科技公司出海的优秀案例。

和其他社交媒体平台和应用程序一样，TikTok的主要竞争点就在于个性化的算法推荐。但是，TikTok推荐系统的幕后工作方式对外界而言始终是个谜。

就在今天，TikTok在海外官方博客发表了一篇文章，详细介绍了推荐算法的工作机制，以及如何针对用户进行加权运算，以实现精准推荐的。

总的来说，TikTok的推荐算法是基于输入因素构建的，这与YouTube测量和监控参与度的方式有些相似。人们与应用程序的交互方式、发布的评论或关注的帐户，都会影响到推荐。比如，如果某人只关注了可爱的动物帐号，也只点赞或评论与动物有关的短视频，那么TikTok就会提供更多这类视频。

如今，不只是TikTok，任何社交平台上都运用到了推荐系统，这些系统每天给我们推荐各种服务，从购物到流媒体再到搜索引擎，个性化体验也都是得益于推荐系统的逐渐完善。

通常来说，推荐系统会在考虑到用户的偏好后进行初步的内容建议，这些偏好是从用户与应用程序的交互中揣测出来的，比如发布的评论或关注的帐户。这些都有助于推荐系统对用户的喜好进行深入评估。

在TikTok上，For You反映了每个用户的不同喜好，系统能够通过基于多种因素对视频进行排名来推荐内容，从注册成为新用户开始，逐渐根据用户行为进行调整，最终生成个性化的For You系统。

这些用户行为包括如下多方面：

这些信息都由推荐系统进行处理，随后根据对用户价值进行加权。根据兴趣强弱指标，比如用户是否从头到尾结束观看较长的视频，或者视频的观看者和创作者是否都在同一国家/地区等，进行综合权衡，强指标会获得更大的权重。

不过可能存在这样一种情况，就是一个账号因为拥有更多的关注者，从而导致观看次数更高，因此在进行推荐的时候，关注者人数和该帐户是否此前有过高质量的推荐视频都不在推荐系统计算范围之内。

如果你是TikTok新手，那么应该如何培养自己的推荐系统？在这篇博客里，TikTok也给出了官方指南。

首先，在注册成功后，新用户会要求选择感兴趣的类别，例如宠物或旅行，根据这些标签进行初阶的内容推荐。当然，如果你足够倔强，不选择感兴趣的标签，系统就会优先推荐热门视频。

不过，不管是前者还是后者，随着系统更多了解你的内容喜好，推荐机制也将会越来越精确。

在此基础上，每次互动也都会帮助系统了解兴趣，做出内容推荐，也就是说，管理For You推荐系统的最佳方法是多多使用该软件。

除了对推荐内容的参与度之外，影响For You系统的因素是多维的，比如，在“发现”页上探索主题标签、声音、效果和趋势主题，所有这些都是定制你的体验并将新内容加入算法的办法。

当然，算法肯定也都有失算的时候，TikTok平台上也注册了许多有着不同兴趣和观点的创作者，当算法向你推荐了你不感兴趣的视频，只需长按视频，点击“不感兴趣”即可。你也可以选择不看指定创作者的视频，或举报与TikTok社区准则不符的视频。这些操作也都将影响到未来的内容推荐。

当把算法系统培养得足够了解自己，就面临着一个新的问题，信息茧房，或者说过滤气泡。为了打破这个“气泡”，除了已知感兴趣的内容外，系统也会把其它类型的视频穿插在其中，这其中可能包括和你有着相同兴趣的用户感兴趣的视频，但不会出现以前被标记为垃圾的视频。

有时你可能会在推荐视频中看到与你兴趣无关或吸引了很多点赞的视频，这也是推荐方法重要的组成部分，在For You中添加各种视频，让你有更多机会浏览新的内容类别，发现新的创作者，同时发表你的看法和观点。通过这种方法，系统还可以更好地了解广大受众中的热门话题，为其他用户提供更好体验。

在安全性上，如果在内容中出现不雅信息，系统会做出“如果向普通受众推荐视频，可能会令人震惊”的判断，进而不会推荐该视频。同样，刚刚上传或正在审核的视频，以及垃圾邮件内容也不会符合推荐资格。

可以想见，开发和维护推荐系统是一个长期的过程，用户、研究和数据的反馈都对推荐系统的准确性有着重要影响，也有助于调整模型并重新评估推荐的因素和权重。

许多用户试图弄清楚玩转TikTok的方法，以获取更多观看次数，最终这都要归结到算法推荐工具上。如今，TikTok再次拉开了帷幕，不知道你有没有准备好迎接这波机遇。