新京報貝殼財經訊（記者羅亦丹）近二十年來，深度學習的進步讓人工智能大規模應用于信息分發成為可能，但隨之而來的則是“信息繭房”的問題。對此，抖音算法工程師劉暢在4月15日的抖音“安全與信任中心開放日”上公開了最新的抖音算法原理。

他介紹，抖音基于用戶行為的推薦方法包含多種技術模型，如協同過濾、雙塔召回、Wide&Deep模型等。算法可以在完全“不理解內容”的情況下，找到興趣相似的用戶，把其他人感興趣的內容推薦給該用戶。目前，抖音算法已幾乎不依賴對內容和用戶打標簽，而是通過神經網絡計算，預估用戶行為，計算用戶觀看這條內容獲得的價值總和，把排名靠前的內容推給用戶。

“用戶長期價值，是抖音推薦算法的‘北極星指標’，也就是我們最核心的業務目標?！眲潮硎?，抖音更關注用戶長期價值，而非追求平臺的短期數據。為此，抖音算法考慮了眾多目標，如完播、評論、點贊、對作者長期消費、分享、跟拍等，力圖計算出更符合用戶長期價值的目標。

為引導算法打破“信息繭房”，抖音算法在多目標建模體系下，設置了專門的探索維度。一是對用戶在平臺上已經表現出的興趣，盡可能推薦更多樣的內容，通過多樣性打散、多興趣召回、扶持小眾（長尾）興趣等方法控制相似內容出現的頻次。二是幫助用戶探索更多新興趣，采用隨機推薦、基于用戶社交關系拓展興趣、搜索推薦聯動、“不感興趣”不再展現等多種方式，讓用戶的主動行為影響推薦系統，使推薦更加個性化和多樣化。

編輯 王真真

校對 劉軍