近日，抖音通過“抖音安全與信任中心”網(wǎng)站首次公開了其推薦算法的原理，揭示了推薦系統(tǒng)不僅僅是基于完播率，還涉及復(fù)雜的多目標(biāo)平衡和推薦打分公式。

近日，“抖音安全與信任中心”網(wǎng)站上線。網(wǎng)站面向社會(huì)公開抖音算法原理、社區(qū)規(guī)范、治理體系和用戶服務(wù)機(jī)制。

該網(wǎng)站首次公開抖音推薦算法原理，算法介紹部分包括內(nèi)容有：從零開始了解推薦系統(tǒng)，用戶行為背后的算法推薦邏輯，抖音算法的多目標(biāo)平衡，平臺(tái)治理為推薦算法設(shè)置“護(hù)欄”。

以下是部分推薦算法原理闡述

推薦算法是對(duì)用戶各種行為概率的綜合預(yù)估

推薦只預(yù)估行為動(dòng)作

當(dāng)用戶打開抖音時(shí)，抖音的推薦算法會(huì)給候選視頻打分，并把得分最高的視頻推送給用戶。

用戶在觀看時(shí)可以對(duì)看到的視頻做出各種互動(dòng)，這些互動(dòng)體現(xiàn)了用戶對(duì)這個(gè)視頻的感興趣程度。比如用戶點(diǎn)贊比不點(diǎn)贊要好，看完比沒看完要好，沒有點(diǎn)不喜歡比點(diǎn)不喜歡好。在這里，“看完了”就是一次反饋動(dòng)作，“點(diǎn)贊”也是一次反饋動(dòng)作。

用戶對(duì)觀看的視頻的每一次反饋，都有正面或者負(fù)面的價(jià)值。抖音的推薦排序模型學(xué)習(xí)的也就是這種行為反饋，推薦系統(tǒng)的目標(biāo)就是把反饋價(jià)值最高的視頻推給用戶。

抖音推薦算法的核心邏輯可以簡(jiǎn)化為“推薦優(yōu)先級(jí)公式”：綜合預(yù)測(cè)用戶行為概率 × 行為價(jià)值權(quán)重 = 視頻推薦優(yōu)先級(jí)。公式展開為：

概率模型預(yù)測(cè)：抖音推薦算法都預(yù)估用戶哪些行為

推薦算法會(huì)通過算法模型預(yù)測(cè)用戶對(duì)候選視頻的行為概率（動(dòng)作率）。結(jié)合用戶行為和視頻本身的價(jià)值權(quán)重，推算出視頻推薦的價(jià)值分?jǐn)?shù)，并將綜合得出的價(jià)值最高的視頻推送給用戶。

在這個(gè)過程中，推薦算法會(huì)對(duì)用戶的一系列行為預(yù)估，這些行為包括點(diǎn)贊、關(guān)注、收藏、分享、不喜歡、是否點(diǎn)擊作者頭像、評(píng)論區(qū)停留時(shí)長(zhǎng)、長(zhǎng)期消費(fèi)等等。

抖音算法的多目標(biāo)平衡

推薦算法通過各種“目標(biāo)”來預(yù)估用戶行為，為用戶推薦內(nèi)容。但用戶的行為動(dòng)作有很多，不同行為的重要程度會(huì)決定算法推薦的優(yōu)先級(jí)。因此，為推薦算法設(shè)置合理的目標(biāo)格外重要。

推薦算法在誕生之初只關(guān)注單一或者少量的目標(biāo)，比如完播、點(diǎn)贊，但隨著平臺(tái)內(nèi)容和各方需求日益多元化，單一目標(biāo)已難以滿足實(shí)際需求，多目標(biāo)推薦系統(tǒng)成為主流。

多目標(biāo)推薦系統(tǒng)，核心在于同時(shí)建模和優(yōu)化多種不同的目標(biāo)函數(shù)、以構(gòu)建更全面平衡的推薦策略。多目標(biāo)反映了用戶、平臺(tái)或創(chuàng)作者的多樣化需求。

通過提升用戶體驗(yàn)，讓用戶喜歡使用產(chǎn)品，是所有推薦系統(tǒng)的天然目標(biāo)。推薦算法在誕生之初，大多是服務(wù)這個(gè)目標(biāo)，比如預(yù)測(cè)用戶觀看完內(nèi)容（即完播率）、點(diǎn)贊的概率。

早期的抖音以15秒短視頻為主，在這一階段中，完播率是推薦算法的核心目標(biāo)之一，這背后的邏輯是，完播率越高則意味著越多用戶喜歡這條視頻。

隨著抖音的用戶愈發(fā)多樣化，內(nèi)容風(fēng)格也日益多元，例如平臺(tái)上有了越來越多的優(yōu)質(zhì)中長(zhǎng)視頻，完播率等少數(shù)目標(biāo)已經(jīng)無法滿足更多樣的需求。因此，通過多目標(biāo)建模，成為技術(shù)上的自然選擇。

經(jīng)過長(zhǎng)期發(fā)展，抖音已經(jīng)發(fā)展出非常復(fù)雜的多目標(biāo)體系，有效優(yōu)化了對(duì)內(nèi)容的價(jià)值評(píng)估。

基于多目標(biāo)建模，抖音對(duì)所有準(zhǔn)備推薦給用戶的視頻進(jìn)行打分，其公式可以簡(jiǎn)化為：

由此可以看出，一個(gè)視頻是否被推出，取決于多種因素。每種因素背后都有著多個(gè)目標(biāo)導(dǎo)向的考量。