抖音短視頻平臺視頻推薦模式研究(一)

抖音短視頻平臺視頻推薦模式研究的心得體會

    我們在軟件開發的領域中，很多東西都會因為時間的變遷而變化，編程語言也會不斷地推陳出新，各種軟件技術的更新換代更是日新月異，但是萬變之中，

有一種東西是不變的，那就是算法。數據結構，算法，計算機體系原理，遠比編程語言，軟件開發技術重要，因為算法和數據結構被稱為軟件的核心內容。在現今軟件開發的領域中，技術迭代速度飛快，掌握任意一個技術都有可能在第二年被技術的潮流所沖走，而算法，是一個應用程序中不可動搖的東西，無論語言怎么改變，算法的設計理念都是一樣的。

一、基于用戶信息的基本協同過濾

　　 基于用戶信息的基本協同過濾是抖音整個算法體系中最基礎和最簡單的算法，也是在視頻推廣過程中普遍應用的算法。抖音通過獲取用戶注冊時的基本信息，如性別、年齡、地址和基本興趣點，對用戶的畫像有了大致的描繪。其后，在信息分發過程中，抖音通過考慮用戶之間的相似程度進行相似內容的推薦。當用戶開始接觸平臺，且所提供的信息越詳細或越準確，其對用戶需求的判斷越接近用戶的真實需要。我們可以構建如下推薦模式模型。

　　 假如A、B、C、D的基本信息較為相似，則前期在A、B、C共同感興趣的內容或產生點贊、評論、轉發等使用行為的內容會較為優先推薦給D。比如，抖音的主界面分為同城和推薦兩個模塊，推薦模塊一個重要的原則就是視頻內容和用戶興趣的匹配程度。匹配程度越高的信息越能夠被推薦。通常，在平臺用戶的初期使用階段，此種獲取方式最為主要，這種相對簡單的算法推薦原則對于用戶具體興趣的判斷是相對模糊的，更多的是相似特征人群的興趣集合判斷。可以說，不斷擴大的用戶數量和使用行為為這類基礎算法提供了數據源，通過海量數據的收集與分析，這類算法的精準程度會不斷提升。與快手等其他視頻應用不同，抖音用戶較為集中在城市，用戶的學歷和年齡差距相對較小，媒介素養也較為相似，而這也是這類基礎算法較為適用的重要原因。

二、基于“去中心化”的精準推送

　　 社交媒體最重要的原則就是“去中心化”，“把關人”的作用逐漸弱化，每個用戶都是傳播場域中的節點，每個節點都可以獨立地生產內容，擁有一定的話語權，內容并非集中于少數的關鍵用戶。在這種“去中心化”的精準推送中，內容和社交關系成為被抓取作為信息精準分發的主要依據。我們可以通過用戶個人的視角構建如下信息獲得模型。

　　 這一類的精準算法可以分為兩大類：一類是以內容興趣點為篩選維度的推薦，這個維度下，現實社交環境中的聯系較弱，甚至沒有聯系；另一類是以社交強聯系為篩選維度的推薦，在通訊錄中的好友、同學都會成為推薦所抓取的對象。重合部分往往會獲得較多的推薦。

　　內容維度可以理解為以相同的職業、愛好、話題組成的相近興趣的集合。平臺基于用戶使用行為的習慣，諸如點贊、評論、轉發等行為，通過數據驅動的方式挖掘用戶的興趣點，從而在下一輪的視頻推薦中合理選擇，進一步取悅用戶，增加黏度。

　　社交關系維度可以理解為以現實的社交關系為連接的集合。這類關系基于社交關系的聯系程度從而變得更強。每個人的社交圈都隨著移動互聯技術的進步而不斷擴大，但是，用戶本身和現實社交中好友或同學的關注點相似性不高。正是基于這種算法推薦，用戶在抖音的使用過程中通常會看到通訊錄好友發布的內容，因為平臺通過算法也優先推薦強關系的好友發布的內容。這反映出短視頻平臺重要的社交屬性，通過自己拍攝視頻在強關系中的展示，能夠滿足使用者的需要，增強認同感和滿足被別人了解的社交需求。

三、基于“流量池”的疊加推薦