IT之家 4 月 16 日消息，據(jù)抖音集團(tuán)官方公眾號，在昨日的抖音安全與信任中心開放日活動(dòng)上，抖音相關(guān)業(yè)務(wù)負(fù)責(zé)人基于網(wǎng)站版塊，就社會關(guān)切的算法和治理問題展開介紹。
據(jù)介紹，抖音算法已幾乎不依賴對內(nèi)容和用戶打標(biāo)簽，而是通過神經(jīng)網(wǎng)絡(luò)計(jì)算，預(yù)估用戶行為，計(jì)算用戶觀看這條內(nèi)容獲得的價(jià)值總和，把排名靠前的內(nèi)容推給用戶。
在抖音的實(shí)際應(yīng)用中，推薦系統(tǒng)采取“人工 + 機(jī)器”協(xié)同的方式進(jìn)行風(fēng)險(xiǎn)治理，始終有人工運(yùn)營和治理體系為算法導(dǎo)航；多目標(biāo)體系算法能主動(dòng)打破“信息繭房”，為用戶帶來更豐富多元、實(shí)用可靠的推薦結(jié)果。
抖音應(yīng)用的深度學(xué)習(xí)算法包括 Wide&Deep 模型、雙塔召回模型等。前者可解決協(xié)同過濾算法容易造成信息單一、泛化不足的問題，后者在召回環(huán)節(jié)提供更好的推薦效果。
基于人工智能機(jī)器學(xué)習(xí)和深度學(xué)習(xí)構(gòu)建的推薦算法，其本質(zhì)是數(shù)學(xué)模型的運(yùn)算過程，只是在建立用戶行為與內(nèi)容特征之間的數(shù)學(xué)統(tǒng)計(jì)關(guān)聯(lián)，而非理解內(nèi)容本身。抖音推薦算法的核心邏輯可以簡化為“推薦優(yōu)先級公式”：綜合預(yù)測用戶行為概率 × 行為價(jià)值權(quán)重 = 視頻推薦優(yōu)先級。
模型需要內(nèi)容和用戶兩端的數(shù)據(jù)做輸入，其中主要是學(xué)習(xí)用戶行為數(shù)據(jù)。結(jié)合用戶行為和視頻本身的價(jià)值權(quán)重，推算出視頻推薦的價(jià)值分?jǐn)?shù)，并將綜合得出的價(jià)值最高的視頻推送給用戶。
官方表示，抖音的價(jià)值模型希望實(shí)現(xiàn)內(nèi)容、用戶、作者以及平臺的多方價(jià)值共贏，并通過不斷調(diào)整參數(shù)，對各類價(jià)值進(jìn)行加權(quán)。隨著算法的進(jìn)步，抖音已經(jīng)實(shí)現(xiàn)了“分鐘級”實(shí)時(shí)反饋更新。
抖音表示，推薦算法通過各種“目標(biāo)”來預(yù)估用戶行為。推薦算法誕生之初，只關(guān)注單一或者少量的目標(biāo)。隨著抖音的用戶愈發(fā)多樣化，內(nèi)容風(fēng)格也日益多元，平臺上有了越來越多的優(yōu)質(zhì)中長視頻，完播率等少數(shù)目標(biāo)難以滿足需求，多目標(biāo)建模成為技術(shù)上的自然選擇。
抖音已經(jīng)發(fā)展出非常復(fù)雜的多目標(biāo)體系，比如將收藏率納入多目標(biāo)，幫助知識類內(nèi)容推送給有需求的用戶；增強(qiáng)“收藏 + 復(fù)訪”“關(guān)注 + 追更”“打開 + 搜索”等組合目標(biāo)，預(yù)估用戶長期行為，幫助用戶探索長期需求；設(shè)置探索類指標(biāo)，幫助用戶探索可能他們自己都還沒發(fā)現(xiàn)的潛在需求，助力破除“信息繭房”；設(shè)置原創(chuàng)性目標(biāo)，鼓勵(lì)優(yōu)質(zhì)、新穎且具有獨(dú)特價(jià)值的內(nèi)容推薦。
據(jù)IT之家此前報(bào)道，3 月 30 日，“抖音安全與信任中心”網(wǎng)站上線。網(wǎng)站首次公開抖音推薦算法原理，介紹其推薦算法如何預(yù)估用戶行為概率，并通過多目標(biāo)建模等方式實(shí)現(xiàn)更優(yōu)質(zhì)、豐富的內(nèi)容推薦，而算法需由平臺治理體系對其進(jìn)行約束和規(guī)范。
相關(guān)閱讀：
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。