抖音公开算法原理 通过神经网络计算预估用户行为

站长之家（中国站长网）4月16日 消息:抖音集团在抖音安全与信任中心开放日活动上，首次向公众全面公开了其算法原理、机制及治理政策。此次开放日活动旨在邀请广大网友深入了解抖音的推荐算法，体验抖音安全与信任中心的功能，并广泛征集社会各界的意见和建议，共同构建一个更加美好、安全、可信任的社区环境。

抖音的推荐算法作为人工智能机器学习技术的重要应用场景，本质上是一套高效的信息过滤系统。它通过分析用户的“行为”（如点击、浏览、喜欢、转发、收藏等），构建个性化的推荐模型。抖音的算法已经从依赖对内容和用户打标签的传统方式，转变为通过神经网络计算预估用户行为，计算用户观看内容可能获得的价值总和，并将排名靠前的内容推送给用户。抖音应用的深度学习算法包括 Wide&Deep 模型和双塔召回模型等，这些模型能够解决协同过滤算法容易造成信息单一、泛化不足的问题，并在召回环节提供更好的推荐效果。

抖音的推荐算法核心逻辑可以简化为“推荐优先级公式”，即综合预测用户行为概率乘以行为价值权重等于视频推荐优先级。模型需要内容和用户两端的数据作为输入，主要学习用户行为数据，并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，将综合价值最高的视频推送给用户。抖音的价值模型旨在实现内容、用户、作者以及平台的多方价值共赢，并通过不断调整参数，对各类价值进行加权。随着算法的进步，抖音已经实现了“分钟级”实时反馈更新。

抖音的推荐算法已经发展出非常复杂的多目标体系。除了传统的完播率等目标外，抖音还引入了收藏率等多目标，帮助知识类内容推送给有需求的用户;增强了“收藏+复访”“关注+追更”“打开+搜索”等组合目标，预估用户长期行为，帮助用户探索长期需求;设置了探索类指标，帮助用户探索可能他们自己都还没发现的潜在需求，助力破除“信息茧房”;设置了原创性目标，鼓励优质、新颖且具有独特价值的内容推荐。

在平台治理方面，抖音设置了严格的“护栏”来约束和规范推荐算法。由于算法无法完全理解内容语义，可能导致违法违规、不良内容被推荐传播。因此，抖音在内容发布与传播的每一个环节都设置了平台治理机制，整体遵循两个原则:一是所有在平台发布的内容都会经过评估，流量越高的内容经过评估的次数越多，标准也越严格;二是“人工+机器”审核相互分工又密切配合。一条视频可能触发多个治理研判节点，视频被举报、评论区出现集中质疑、流量激增等情况，均可能触发“人工+机器”审核。在任一环节，一旦内容被处置，基本都会立即停止进一步的推荐和分发。针对社会普遍关心的焦点问题，如特殊群体保护、网络暴力、AIGC 技术滥用等，抖音成立了数个专项治理团队，分别设置相应的治理标准、识别策略、处置手段和风险巡查能力，专注应对这些问题。