抖音安全與信任中心近日在官網(wǎng)推出了一項(xiàng)名為“體驗(yàn)算法”的全新互動(dòng)板塊，通過動(dòng)態(tài)交互方式向公眾展示其推薦算法的運(yùn)作邏輯。這一創(chuàng)新科普形式結(jié)合了可視化動(dòng)畫與操作體驗(yàn)，即使是沒有技術(shù)背景的用戶，也能輕松理解一條視頻從上傳到被推薦的全過程。用戶只需通過抖音官網(wǎng)或App搜索“看得懂的算法”，即可進(jìn)入這一沉浸式學(xué)習(xí)模塊。

面對(duì)每日超過一億條的新內(nèi)容上傳量，抖音的推薦系統(tǒng)需要在海量視頻中快速匹配用戶興趣。其核心流程分為召回與排序兩個(gè)階段：在召回階段，系統(tǒng)采用雙塔模型進(jìn)行初步篩選，用戶可通過模擬不同角色，觀察算法如何計(jì)算虛擬用戶與視頻的匹配度。例如，“興趣時(shí)鐘”功能會(huì)展示時(shí)間對(duì)推薦的影響——清晨可能推送新聞?lì)悆?nèi)容，而晚間則側(cè)重娛樂視頻。

進(jìn)入排序階段后，系統(tǒng)會(huì)從數(shù)千條候選內(nèi)容中進(jìn)一步精選。這一過程依賴Wide&Deep模型：Wide部分基于用戶歷史行為進(jìn)行“記憶式”推薦，例如常觀看科技視頻的用戶會(huì)收到相關(guān)領(lǐng)域內(nèi)容；Deep部分則通過深度學(xué)習(xí)挖掘潛在興趣，可能推薦用戶尚未直接關(guān)注但可能感興趣的新興內(nèi)容。最終，模型通過融合計(jì)算得出排序分，得分最高的視頻將獲得優(yōu)先展示。

為避免推薦結(jié)果過于單一，算法還引入了打散與多樣性調(diào)節(jié)機(jī)制。在互動(dòng)演示中，用戶可通過調(diào)整“隨機(jī)擾動(dòng)強(qiáng)度”觀察推薦列表的變化——當(dāng)擾動(dòng)強(qiáng)度增加時(shí)，系統(tǒng)會(huì)主動(dòng)插入不同領(lǐng)域的內(nèi)容，打破“信息繭房”效應(yīng)。這種設(shè)計(jì)既保留了用戶的核心興趣，又通過適度探索幫助其發(fā)現(xiàn)新內(nèi)容，形成了“精準(zhǔn)推薦+多元探索”的平衡邏輯。