抖音兴趣推荐算法是怎么工作的?有哪些推荐方式?

阿蓝
阿蓝
阿蓝
1198
文章
0
评论
2023-03-2816:56:00 评论 53 次浏览 772字阅读2分34秒

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/

  • 微信号
  • 微信扫一扫
  • weinxin
  • 搞钱阿蓝
  • 微信扫一扫
  • weinxin
  • 公众号:搞钱阿蓝(xhllsys)
  • 文章来源:搞钱阿蓝 转载请务必保留本文链接:https://www.xhllsys.com/8758.html

您必须才能发表评论!