.jpg)
.jpg)
抖音主要通过分析用户行为、构建兴趣画像，并利用 Wide&Deep 模型、双塔召回模型等技术，结合内容审核与多样化策略，为用户推荐喜欢的内容。具体如下：
- 基于用户行为分析：抖音会记录用户的点赞、评论、分享、观看时长等行为。例如，用户经常点赞宠物视频且观看时长较长，系统就会认为用户对宠物相关内容感兴趣。
- 构建用户兴趣画像：系统根据用户行为数据，为用户生成兴趣画像，确定用户所属的兴趣圈子。用户可能因频繁观看美食视频加入 “吃货联盟”，也可能因浏览旅行视频被划入 “旅行爱好者” 行列。
- 采用 Wide&Deep 模型：该模型由 Wide 部分和 Deep 部分组成。Wide 部分像用户的老朋友，能记住用户明显的爱好，如知道用户喜欢猫咪视频就会持续推荐。Deep 部分则像懂心理学的朋友，能捕捉用户未意识到的兴趣模式，如发现用户喜欢的萌宠视频有 “圆滚滚、会洗东西” 的特点，就可能推荐小浣熊视频。
- 运用双塔召回模型：一座 “塔” 分析用户的兴趣特点，记录用户喜欢的内容类型、活跃时间段、互动习惯等。另一座 “塔” 分析视频特点，记录视频内容、风格等信息。系统通过比较两者，快速从海量视频中筛选出与用户匹配的视频。
- 考虑用户长期价值：抖音将 “用户长期价值” 作为核心业务目标，综合考量完播、评论、点赞、对作者长期消费、分享、跟拍等众多目标，计算出更契合用户长期价值的结果，避免只推荐短期吸引用户但无长期价值的内容。
- 内容审核与筛选：抖音构建了 “人工参与 + 机器学习” 相结合的内容治理体系。创作者上传内容后，先经机器识别，若含高危特征则直接拦截；未命中高危特征但模型判断有问题的，会送至人工审核。通过审核的内容才会进入推荐流程。
- 多样化推荐策略：为打破 “信息茧房”，抖音针对用户已展现出的兴趣，通过多样性打散、多兴趣召回、扶持小众兴趣等方法，控制相似内容出现频次。同时，采用随机推荐、基于社交关系拓展兴趣、搜索推荐联动等方式，帮助用户探索新兴趣，让推荐更加个性化和多样化。
