今天抖音社区的评测员一块和你探究一下抖音短视频的算法哪些小秘密：
一、背景
伴随网络年代（尤其是互联网+）的到来，信息好似《三体》里“技术爆炸”一般，呈现出“信息爆炸”的状况。
天天以EB为单位的信息量诞生在网络的每一个角落。预计到2025年，全球天天产生的数据量将达到491EB（1 EB=1024 PB=1048576 TB）。
在这样的情况下，顾客对于信息的获得无疑变得愈加的主动且丰富。
但丰富，并不意味着有效。
纸质媒体年代尚且有专业的编辑对内容进行筛选、排版后“分发”给顾客。
但对于网络商品来讲，即便内容再丰富，用户假如不感兴趣也是无效内容。
“效率”一直是商业社会的本质之一。低效意味着随时有可能落后或被淘汰。
为弄清楚决这一问题，淘宝最早再在2013年提出“千人千面”的定义。
依托淘宝网十年进步积累下来的庞云数据库，从细分类目中抓取那些与买家兴趣相匹配的产品，进行优先展示。
而每一个在淘宝网上购买或是浏览过产品的顾客，都会被平台打上标签，比方说年龄、地域、客单价、收藏偏好等。
标签的不一样，在千人千面模式下，用户所看到的商品自然就会有所差异。
更有效率的内容分发方法，由此从野蛮成长进入到精细化运营的年代。
到了以“算法驱动”为核心理念的张一鸣手里，今日头条、抖音短视频等商品更是在这种理念下饲养出来的洪水猛兽。
因此作为一名网络人，即便不需要动手去写编程算法，但弄清楚有关算法常识、了解有关内容分发与推荐机制背后的基本原理，也有益于更上一个认知的新台阶。
二、算法推荐系统的两个核心
（一）抖音短视频为什么让人这样上瘾？
很多人可能会有如此的体验：
在不一样的场景下（在家、地铁、公司）、不一样的时间点（早上、中午、晚上），即便是同种类的电影，事实上所接收到的内容也略有差别。
例如白天大多会收到比较幽默的内容，而到了晚上则会收到略带悬疑的影视剪辑片段等。
而无论是哪个时间打开抖音短视频，它都能让用户沉浸其中，好像感觉不到时间的流逝，往往一下子能过去一两个小时。
你会发现抖音短视频好像非常懂你，由于给你推送的内容全都是你喜欢看的。
抛开抖音短视频的商品设计、沉浸式花费体验、短平快的内容步伐等，这其中还涉及到算法推荐机制和运营方案等原因。
而内容的个性化分发，本质上用一句大白话就可以讲解：
让喜欢看妹子的用户，看到含有妹子的内容。
但在现实环境中，放眼网络，能把这句话做好的公司其实没几个。
那样问题到底难在哪儿呢？
（二）给内容打标，没想的那样容易
给标签概念难，给内容打标也难。
在给一篇内容打上标签之前，第一需要做的是给标签做概念。
即讲了解啥是苹果，啥是梨，而不是把苹果叫成梨。
一篇内容一般包括一级分类、二级分类、三级分类、标签等几个层次。
如动漫日式漫画火影忍者鸣人等。
对于这些具备一般性认知的分类跟标签来讲，一般好一点下概念。
但是对于搞笑、美女如此的标签，则因人而异。
由于每一个人的笑点不一样、审美不一样。
到底什么内容才算好笑、多好看才算美女？
萝卜青菜各有所爱，打标还没开始，就先卡在概念上面。
这里其实就涉及到两个定义——实体标签跟语义标签：
1.实体标签
广州就是广州、上海就是上海；马云就是马云，淘宝就是淘宝。
他们都是确定的实体，一般在不一样人那里不会产生太大的歧义。
2.语义标签
如沙雕、美女、极品等词，并没确定的指定对象。
在不一样人那里会有不一样的认知，因此打标难题一般出目前语义标签的概念上面。
语义标签的推荐成效是检验一个公司NLP（自然语言处置）技术水平的试金石。
不一样公司依据其生意能力或需要的不一样，对标签颗粒度的需要也不一样。
比方说有些公司拆分到火影忍者就不往下拆了，直接把这个词当作最小颗粒度的标签。
所有涉及到这部动漫的内容都可以打上这个“火影忍者”标签，但是难免有种一刀切的感觉，对后续的运营工作也有影响。
比方说有些用户想看、或者想搜索“鸣人”，结果推送的、搜索出来的全都是“火影忍者”里面的别的人。
而有些公司则继续往下拆：例如拆到火影忍者鸣人、佐助、小樱等实体标签。
因此可以看得出：标签颗粒度越细，推荐的内容越精准，同时所需要投入的资源则越多。
即便把整个企业的打标团队拉到一个会议室里面，大伙通过统一培训、解说，一个月后大伙终于对什么才算是美女有了一个统一的认知，审美渐渐相同。
那样打标就可以顺利拓展了吗？NO！
让大家先喝口水缓一缓，然后再接着往下继续聊。
（三）用户标签：可能是最难搞的部分
1.用户口味就像个难哄的女友
比内容标签困难程度更大的便是用户标签。
由于火影忍者就是火影忍者，一旦打上这个内容标签，它就不会变成海贼王。
内容标签尚且可以通过人工打标+机器练习的方法进行。
用户不同，可能这个月他喜欢看火影忍者，算法推荐机制也给他匹配了有关的内容。但是下个月他可能由于朋友或同事的推荐开始看海贼王了。
假如算法还没反应过来，继续给他推送火影忍者的有关内容，此时这些内容对他来讲便是无效内容，从而影响了内容的分发效率。
好比胡萝卜一直是胡萝卜，但是用户的口味却一直在变化。
今天想喝汤，明天想吃肉。
这里其实涉及到“推荐窄化”的问题，算法机制越差的商品，其推荐的内容越容易出现窄化。
如不小心点击了几篇文章，算法便默认你喜欢这一类内容，此后便一直推送有关信息，没办法做到依据用户的需要变化进行灵活更迭。
尽管在这个年代，无论采用哪一款内容商品，都不可防止的会出现“信息茧房”的现象，但成熟的NLP技术与初级之间，实质的商品体验成效仍是天差地别。
2.学会用户的基本信息
在做用户标签之前，需要先学会跟用户有关的信息，一般包括性别、年龄、地址、兴趣偏好等。
1）性别能够帮助分发性别属性较明显的内容：如给男孩推送体育、给女孩推送美容护肤；
2）年龄也同理：给青年推送动漫、游戏等内容，给老年人推送养生、健康信息等；
3）地址则用于推送与地区热门有关的信息：如给上海用户推送上海突发新闻，北京限行对于广州用户好像没多大影响。
以上三者一般可以通过用户自动填写、授权访问地方信息的方法获得，且不会有太大的变动。
3.学会用户兴趣偏好
对于用户兴趣偏好，如上所说，则是做用户标签的难题所在。
获得用户兴趣偏好使用的方法，是依据用户花费过的内容匹配相应的标签，一般采取以下几种方法进行定位：
1）过滤噪声：如用户被标题党内容吸引进来，但是停留时间过段，则说明用户对该内容所绑定的标签不感兴趣，以此来过滤标题党；
2）热门降权：对一些社会热门、突发新闻（如某明星有外遇），虽然短期内用户浏览了有关信息，但并不可以说明该用户肯定对“娱乐”内容特别感兴趣，需要对该用户的“娱乐”兴趣偏好进行降权处置；
3）时间衰减：如上所说，用户的兴趣会发生偏移，因此推送方案需要更偏向于新的用户行为；
4）惩罚展示：假如一篇推荐给用户的文章没被点击，则该内容的有关特点（如内容分类、标签）权重会被减少。
举一个十分容易的例子：
如某新注册用户（女，25岁，上海）在刷抖音短视频时，算法使用A-A、A-B的方法进行检测。
第一连续推送两条影视剪辑内容（A-A），用户都完整观看并有点赞、评论等操作；
第二推送影视剪辑后推送母婴内容（A-B），用户只观看了影视剪辑内容，却划走了母婴内容。
那样则说明用户对“影视剪辑”这一内容的兴趣偏好度较高，对“母婴”标签内容兴趣偏好较低。
4.不一样内容种类的推荐权重
大家都了解对于综合型平台而言，内容一般不止一类型型，现在日头条便包含了长图文、短视频、抖音短视频、问答、微头条等几种不一样形态的内容。
即便是同一个标签，如“美女”，不一样内容种类的推荐权重是不是一样？这也是算法推荐机制需要分析的问题。
三、怎么样衡量推荐系统的好坏
内容推荐的准吗，一般可以直接从数据上去解析。
CTR（点击率）、花费时长、点赞、评论、转发数等“可量化指标”。
如Y=F（X1,X2,X3），Y代表内容可被加强揭秘的权重，X代表点赞、评论等实质参数。
评论数的影响权重一般大于点赞权重，不一样平台因为商品差异对于参数的权重设置也有所不一样。
而不一样的用户因其账号“置信度”的差异，即便点赞了同一条内容，对该内容的影响权重也有差异，如某知乎大V点赞跟一般账号点赞的权重显然是不同的。
但有时数据也有缺点。如对于低俗、标题党、涉黄内容，假如短期内吸引了很多用户点击浏览，那样算法能判定其为好内容，并加强推送量吗？
答案显然是相反的。
因此一般需要打压降权的内容主要有以下几种：
1）广告、低质搬运内容打压；
2）涉黄、低俗恶心内容打压；
3）标题党、低质账号内容降权等。
基于社会责任感和政策法规等原因，平台需要对该部分内容进行打压、降权，而对重点时事新闻进行置顶强插。
这些都是算法没办法独立完成的，需要运营配合进行。很多资讯平台都会有专门的首页运营小组对内容进行人工干涉。
大部分APP平时的通知栏PUSH的内容也是采取算法+人工的方法进行推送的。
四、概括
回到开头所说：要让喜欢看妹子的用户看到含有妹子的内容。
这句这样容易的话想要达成它，需要做到：
1.内容标签的准确概念、准确打标
由于不一样的人对于同一个语义标签会有不相同的认知。
2.用户标签的准确匹配
了解用户对于哪种“妹子”兴趣偏好度更高：是长发妹子？还是短发妹子？是南方人还是北方人等等颗粒度更细的拆分。
用户标签是打造在内容标签打的足够准确的首要条件条件之上的，一步错则步步错。
假如内容标签没办法准确判断，那样基于内容标签打造起来的用户标签也是不可信的。
3.算法练习
要想练习机器可以自动打标，往往一个“标签”就需要练习几个星期的时间。
一般使用抓取标题关键字的方法打上内容标签，但有时标题与文章或视频里面所有表达的内容其实有非常大出入，因此打上的标签非常有可能是不准确的，需要人工进行复核，判断其准确率。
综上所述，现在算法分发几乎已经是所有搜索引擎、资讯软件、内容社区、社交软件等商品的标配。
算法代表着用系统的办法去描述、解决问题的方案机制。
因此无论你是一只商品汪、还是一只运营喵，弄清楚了内容平台的基本算法原理，无论是对于商品推荐机制的设计，还是对平台运营方案的构建，都能有所帮。
