三个阶段的TikTok推荐系统

TikTok推荐机制的三个阶段

TikTok平台的推荐机制是审核后，系统推荐，采用去中心化、流量池规划、人工智能分发系统，为每个作品提供流量池。该机制可以将新发布的视频进行流量分发，优化内容，引导用户观看视频并进行点赞、评论和转发，以获得更高的推荐。

TikTok推荐机制一共分为三个阶段：

一、基础推荐

在新发布的视频作品中，流量分发主要集中在附近和关注上，然后用户标签和内容标签智能分发给少数用户，看看用户的反馈。如果用户喜欢的比例大于50%，就有可能进入第二轮叠加推荐。

二、叠加推荐

新发布的视频作品将通过最后一轮智能分发，根据用户权重进行100-500试水流量；如果流行度很大时(例如评论量>1000)，就会进行叠加推送, 权重加大, 以此来促使内容传播开来。

三、时间效应

当一个短视频开始飙升时, 除了会增加权重外, 还会根据时间因素选出新的内容和旧的内容, 来保证不断出产新内容, 让用户保留兴奋感。而一般情况下, 热门内容的影响力最多长度一周。因此, 作为一名短片创作者, 在不想太多去了解tiktok核心机制的情况下, 只要理性理解逻辑并把握正确方向, 就能有效地来优化内容并把内容带入用户面前。

以上就是TikTok平台上的推荐机制分三个阶段：基础推送、叠加推送、时间效应。通过理性理解逻辑并把上述三个阶段所要优化之处明确出来，就能够找准方向有效地来制作优化内容并把相应作品带入用户面前。

（本文内容根据网络资料整理和来自用户投稿，出于传递更多信息之目的，不代表本站其观点和立场。也不对其真实性、可靠性承担任何法律责任，特此声明！）

常见问答(FQAS)

TikTok推荐系统主要分为三个阶段:初期阶段使用简单的规则过滤推荐内容; 中期阶段使用用户行为数据训练机器学习模型推荐个性化内容; 高级阶段使用深度学习神经网络技术衡量视频与用户的亲和力度,提供更加个性化的内容推荐。

初期阶段,TikTok主要根据用户简单的关注关系和视频标签等规则来推荐视频。例如关注了某内容创作者后,推荐该用户的其他视频;或者用户观看过某类标签视频,则推荐其他同类标签视频。

中期阶段,TikTok收集用户观看、点赞等行为数据,通过机器学习算法训练出用户兴趣模型。 dann根据用户兴趣模型和视频内容特征,计算视频与用户的匹配度,从而推荐用户可能感兴趣的个性化视频。

高级阶段,TikTok采用深度学习神经网络,可以更精细地学习和分析用户行为特征和视频内容特征。例如通过向量空间模型计算视频与用户 embeddings 的相似度,从而实现更加精准地推荐用户可能感兴趣的视频。