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。用户可通过抖音安全与信抖音任中心官网，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，为了在海量视频 推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，体验演荐算示以双塔模型、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，看到算法计算法 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”，比双塔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内容，进入排模型序环节。这一环节用 Wide&Deep 模型来演示，它也是抖音的主力模型之一。

排序是一套打分系统， W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，模型不仅考虑用户曾经id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，Deep 部分负责e&“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，算法还会通过打散、De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，能观察到推荐列ep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喜欢的内容标签，也帮助用户挖掘潜在兴趣、看到更广阔的世界。