ITCOW牛新网 4月16日消息，在昨日举办的抖音安全与信任中心开放日活动中，抖音技术团队首次深度解密其推荐算法机制。令人意外的是，当前抖音的推荐系统已基本摒弃传统的内容标签分类法，转而采用更先进的神经网络预测模型。
ITCOW牛新网获悉，抖音的智能推荐系统采用”Wide&Deep+双塔召回”双模型架构。其中，Wide&Deep模型有效解决了传统协同过滤算法导致的推荐单一性问题，而双塔召回模型则在内容匹配精度上实现突破。这套系统的核心是一个精密的数学运算体系：通过分析用户历史行为与内容特征的统计关联，计算出”推荐优先级=行为概率×价值权重”的量化结果。
值得注意的是，抖音已构建起业内领先的多目标推荐体系：
- 引入”收藏+复访”等组合指标预测用户长期兴趣
- 设置探索类指标挖掘用户潜在需求
- 增加原创性权重扶持优质内容创作者
- 将知识类内容的收藏率纳入核心指标
技术团队透露，系统现已实现分钟级实时更新，能快速捕捉用户兴趣变化。为规避算法风险，平台坚持”人机协同”治理模式，由专业团队持续监控和优化推荐策略。
最新上线的”抖音安全与信任中心”网站详细展示了这套系统的运作原理。数据显示，多目标建模不仅提升了内容分发的精准度，更有效打破了信息茧房效应，使用户接触到的内容类型较三年前有大幅提升。