抖音算法深度学习 抖音视频推荐算法思维导图

为2015年今日头条透露出来的一份数据报告，表达是男性与女性关心的主要内容类目

这个标签类目算是头条系的母类目，那么作为头条系的“孩子“抖音，必然遗传了头条系“爸爸”原始基因并在细化非常多的小标签，比如娱乐，可以细化到"XX明星结婚”的标签。

平台会根据用户在使用App的习惯进行分析行为路径，再进行贴标签，再继续优化标签。这个过程都是实时的机器算法。

那么这个采集的方法：就是个人资料的填写，关键词搜索的记录，浏览的比较多的类目视频，点赞视频数据，评论数据，通讯录的圈子关系等。

通过不断的标签优化升级后，呈现出来标签用户，我们也称之为用户画像，参考下图

头条系会打通所有平台的数据库，看看你在每个平台的“偏爱标签”并记录下来。

头条系为了“以用户为中心”，背后靠的是大数据支撑

这次用了陪伴大家整个童年的老朋友”小明“作为我们第一人称，尝试模拟初次遇见《今日头条》后转玩《抖音》会出现的场景。

当小明第一次玩《今日头条》后，平台算法对小明平时每个预览的内容都进行贴标签。最终得出了属于小明在《今日头条》这个平台的标签画像

当小明通过《今日头条》账号登录《抖音》后，数据共享会吧这个头条账号的标签画像同步到抖音平台，并进行原平台的标签画像匹配标签视频内容，智能推荐给小明

在小明玩抖音的过程中，平台算法会多次实时统计小明有转赞评行为的其他新标签视频。

最后不断智能优化标签画像，最重呈现出新的标签画像

优化后同时匹配新标签同类视频推送给小明，最重完成了头条系的算法机制运行路径。这个过程是AI算法，会实时计算，升级，优化标签，而且永无止境，实现“用户为中心”定制化内容推送。

首先对上传的作品进行机器审核；

为通过的视频贴上标签并申请流量推送；

抖音会对实时在线用户进行流量分桶，每桶按照总用户量10%分配进行实验推送；

分配的视频流量再进行分配实验组，每个实验组按照5%比例分配，并为用户贴上相近标签

把作品送量测试给首个实验组用户，根据用户反馈（CPA）“转 评 赞 完播率” 计算作品基数

达到通过推荐基数，继续把作品推送下一个分配实验组进行测试；

通过首个实验组的基数测试后，作品将进入人为审核是否继续送量测试；