抖音集團近期通過其官方公眾號發(fā)布了一則關(guān)于安全與信任中心開放日活動的詳細信息，活動中抖音相關(guān)業(yè)務(wù)負責(zé)人深入探討了社會普遍關(guān)注的算法機制與平臺治理策略。

在活動中，抖音揭示了其算法機制的最新進展：如今，抖音算法已很少依賴于對內(nèi)容和用戶進行標(biāo)簽化處理，而是采用先進的神經(jīng)網(wǎng)絡(luò)計算技術(shù)，預(yù)測用戶行為，并綜合評估用戶觀看內(nèi)容所獲得的價值，從而為用戶推送排名靠前的優(yōu)質(zhì)內(nèi)容。

抖音的推薦系統(tǒng)在實際操作中，融合了人工與機器的智能，以協(xié)同方式管理風(fēng)險。人工運營團隊與治理體系共同為算法提供指導(dǎo)，確保算法運行方向的準(zhǔn)確性。抖音采用的多目標(biāo)體系算法，旨在打破“信息繭房”現(xiàn)象，為用戶提供更多樣化、實用且可靠的推薦內(nèi)容。

在算法技術(shù)層面，抖音應(yīng)用了包括Wide&Deep模型和雙塔召回模型在內(nèi)的深度學(xué)習(xí)算法。Wide&Deep模型解決了傳統(tǒng)協(xié)同過濾算法可能導(dǎo)致的信息單一和泛化能力不足的問題，而雙塔召回模型則在推薦內(nèi)容的召回階段展現(xiàn)出更優(yōu)的效果。

抖音的推薦算法基于人工智能的機器學(xué)習(xí)和深度學(xué)習(xí)構(gòu)建，其本質(zhì)是通過數(shù)學(xué)模型運算，建立用戶行為與內(nèi)容特征之間的數(shù)學(xué)統(tǒng)計關(guān)聯(lián)，而非理解內(nèi)容本身。這一算法的核心邏輯可以概括為“推薦優(yōu)先級公式”，即綜合預(yù)測用戶行為概率與行為價值權(quán)重，從而確定視頻的推薦優(yōu)先級。

為了計算推薦優(yōu)先級，算法模型需要輸入內(nèi)容和用戶兩端的數(shù)據(jù)，其中用戶行為數(shù)據(jù)是主要的學(xué)習(xí)對象。結(jié)合用戶行為和視頻本身的價值權(quán)重，算法能夠計算出視頻推薦的價值分?jǐn)?shù)，并將得分最高的視頻推送給用戶。

抖音表示，其價值模型旨在實現(xiàn)內(nèi)容創(chuàng)作者、用戶、作者以及平臺之間的多方共贏。通過不斷調(diào)整算法參數(shù)，對各種價值進行加權(quán)處理，抖音已經(jīng)實現(xiàn)了“分鐘級”的實時反饋更新，進一步提升了用戶體驗和內(nèi)容推薦的精準(zhǔn)度。

隨著抖音用戶群體的多樣化和內(nèi)容風(fēng)格的多元化，推薦算法也在不斷進化。從最初只關(guān)注單一或少量目標(biāo)，到如今發(fā)展出復(fù)雜的多目標(biāo)體系，抖音的推薦算法能夠更好地預(yù)估用戶行為。例如，將收藏率納入多目標(biāo)體系，有助于將知識類內(nèi)容推送給有需求的用戶；增強組合目標(biāo)，如“收藏+回訪”、“關(guān)注+追更”等，能夠預(yù)估用戶的長期行為，滿足用戶的長期需求；設(shè)置探索類指標(biāo)，幫助用戶發(fā)現(xiàn)潛在需求，打破信息繭房；同時，設(shè)置原創(chuàng)性目標(biāo)，鼓勵推薦優(yōu)質(zhì)、新穎且具獨特價值的內(nèi)容。

早在3月30日，抖音就已上線了“抖音安全與信任中心”網(wǎng)站，首次向公眾公開其推薦算法原理，介紹了如何通過多目標(biāo)建模等方式實現(xiàn)更優(yōu)質(zhì)、豐富的內(nèi)容推薦，并強調(diào)算法需受到平臺治理體系的約束和規(guī)范。