拓展提升2.2.1 抖音采取什么算法推荐模式？.docxVIP

PAGE

PAGE1

抖音采取什么算法推荐模式？

（来源：今日头条2025-05-18）

根据2025年抖音官方公开的算法原理及相关技术文档，抖音推荐算法已形成以动态行为预测为核心、多目标建模驱动的智能系统，其核心逻辑可概括为以下五个维度：

一、三阶段漏斗模型：召回→过滤→排序

1.召回阶段

采用双塔召回模型（Two-TowerRetrievalModel），通过向量化表征学习将用户和内容映射到高维数学空间，计算两者的“数字指纹”相似度。

用户特征（如观看时长、互动行为）和内容特征（如视频类型、时长）被转化为无现实语义的数学向量，仅依赖空间距离匹配兴趣相关性。

2.过滤阶段

结合机器识别（如高危内容检测模型）与人工审核，拦截违规内容（如虚假信息、低质搬运）。

通过多样性打散算法控制同质化内容曝光频率，例如相似脚本框架的视频相似度超过70%时会被降权。

3.排序阶段

使用WideDeep混合模型：Wide部分：强化历史行为记忆能力（例如用户对搞笑视频的偏好）；Deep部分：挖掘潜在兴趣泛化能力（如发现用户可能对美食视频感兴趣）。

最终根据推荐优先级公式（预测用户行为概率×行为价值权重）确定视频排序。

二、动态价值评估体系

1.核心公式

推荐优先级=预测用户行为概率（如完播、点赞）×行为价值权重（动态调整）。

2.权重调整逻辑：平台战略导向优先