genome assembly 组装算法_【深度研学】抖音背后的算法

鉴于当前抖音的流行程度，提出对抖音背后算法具体学习了解。这也是对热门信息趋势的一种把握。

一、字节跳动旗下产品

北京字节跳动科技有限公司创始人张一鸣，今日头条创始人。

1、新闻资讯：今日头条, News Republic, TopBuzz

2、视频：抖音短视频(tiktok)， 西瓜视频， 火山小视频(Vigo)， BuzzVideo， 多闪， faceu，UOKA，奇妙相机，狸猫相机， Helo，剪映

3、社区：懂车帝 皮皮虾 泡芙社区 微头条 悟空问答 图虫 新草 值点 生活始末 半次元

4、金融：海豚股票(原钠镁股票)

5、知识付费：好好学习

6、教育：gogokid, aiKID，大力课堂，读白背单词，汤圆英语，瓜瓜龙英语，开言英语，清北网校

7、工具：幕布 朝夕 好运万年历 lark(飞书)轻颜相机 时光相册 醒图

8、其他：番茄小说 飞聊 Resso(印度/音乐流媒体) 番茄畅听

二、抖音推荐算法

抖音官方并没有披露正式的算法，但凭借着民间的智慧和官方披露的部分信息中，已经总结出抖音推荐算法的秘密。

图1视频发布后的推荐算法架构

2.1 发布后的推荐流程

双重审核 (机器审核和人工审核)：

在抖音每天有数量庞大的新作品上传，纯靠机器审核容易被钻空子，纯靠人工审核又不太现实。因此，双重审核成为抖音算法筛选视频内容的第一道门槛。

机器审核(检测是否违规或重复)：

一般是通过提前设置好的人工智能模型来识别你的视频画面和关键词，它主要有两个关键作用：其一，审核作品、文案中是否存在违规行为，如果疑似存在，就会被机器拦截，通过飘黄、标红等提示人工注意；其二，通过抽取视频中的画面、关键帧，与抖音大数据库中已存在的海量作品进行匹配消重，内容重复的作品进行低流量推荐，或者降权推荐(仅粉丝可见、仅自己可见)。

人工审核(检测标题、封面和关键帧)：

主要集中在3块：视频标题、封面截图和视频关键帧。针对机器审核筛选出疑似违规作品，以及容易出现违规领域的作品，抖音审核人员进行逐个细致审核。如果确定违规，将根据违规账号进行删除视频、降权通告、封禁账号等处罚。

第一步：冷启动

抖音的推荐算法机制是著名的信息流漏斗算法，也是今日头条的核心算法。通过审核后，第一步叫冷启动流量池曝光，比如你今天上传一个视频，通过双重审核的作品，系统将会分配给你一个初始流量池：200-300在线用户(也可能有上千个曝光)。不论你是不是大号，只要你有能力产出优质内容，就有机会跟大号竞争。

第二步：数据加权

抖音会根据这1000次曝光所产出的数据，结合你账号分值来分析是否给你加权，比如完播率、点赞、关注、评论、转发、转粉、游览深度等。以上这些都会对你的短视频数据造成影响，以及对你的短视频作出是否要加权的判断，然后会挑选前10%的视频，再增加1万次曝光。以上这些都会对你的短视频数据造成影响，以及对你的短视频作出是否要加权的判断，然后会挑选前10%的视频，再增加1万次曝光。

图2 抖音视频质量算法

第三步：加大推荐

这一步会给数据好的短视频进行更大的加权，并且会在第三步强化人群标签分发，让内容分发的更加精准，这类似猜你喜欢的打标，视频是有标签的，用户也是有标签的，两者之间会做标签匹配。

第四步：进入精品推荐池

进入精品推荐池，大规模曝光，一旦进入精品推荐后，人群标签就被弱化了，就像当年温婉的视频，几乎每个抖音用户都会刷到温婉的视频。

2.2 延后“引爆”

不少抖音运营者会发现，有些内容发布的当天、一周甚至一个月内都数据平平，但突然有一天就火了，为什么？两种原因：

第一种，被很多老司机戏称为“挖坟”。它是指抖音会重新挖掘数据库里的“优质老内容”，并给它更多的曝光。这些老作品之所以能被“引爆”，首当其冲是它的内容够好，其次，是你的账号已经发布了很多足够垂直的内容，标签变得更清晰，系统能够匹配给你更精准的用户。优质内容+精准用户，老作品重新火爆起来就不意外了。

第二种，我们可以称之为“爆款效应”，它是指，你的某一个作品在获得大量曝光(几百万，甚至千万级)时，会带来巨量用户进入你的个人主页，去翻看你之前的作品。如果你的某一个作品，能够获得足够多的关注(转评赞)，系统将会把这些视频重新放入推荐池。很多垂直内容的创作者，往往都是因为某一个视频的“火爆”，直接把其他几个优质视频“点燃”，形成多点开花，全盘爆炸引流的盛况。

2.3 流量触顶

抖音作品经过双重审核、初始推荐、叠加推荐层层引爆之后，通常会给账号带来大量的曝光、互动和粉丝。而这种高推荐曝光的时间，一般不会超过一周。之后，爆款视频乃至整个账号会迅速冷却下来，甚至后续之后发布的一些作品也很难有较高的推荐量。为什么？

抖音每天的日活是有限的，也就是说总的推荐量是基本固定的：一方面，跟你内容相关标签的人群基本完成推荐，其他非精准标签人群反馈效果差，所以停止推荐；另一方面，抖音也不希望某个账号迅速火起来，而是通过一轮轮考验，考验你的内容再创新能力，考验你持续输出优质内容的能力。

3  如何实现推荐

在算法目标的基础上如何对其实现

图3 典型的推荐算法

一个优秀的工业级推荐系统需要非常灵活的算法实验平台，可以支持多种算法组合，包括模型结构调整。因为很难有一套通用的模型架构适用于所有的推荐场景。现在很流行将LR和DNN结合，前几年Facebook也将LR和GBDT算法做结合。字节跳动旗下几款产品都在沿用同一套强大的算法推荐系统，但根据业务场景不同，模型架构会有所调整。

协同过滤算法：https://www.cnblogs.com/1113127139aaa/p/9830449.html

三、抖音如何判断用户兴趣画像

系统主要通过三类信息来判断用户画像：

图4抖音用户兴趣画像 

3.1 历史浏览

通过判断历史浏览的内容收集兴趣关键词

3.2 身份标签

性别、年龄、地域以及其他资料信息

3.3 环境特征

工作、通勤、旅游、休息

通过一系列的信息，来推测和还原出一个用户的基本属性，接着再通过用户的信息和行为，对用户进行分析，计算用户喜好的分类、话题。结合作品特征和用户对历史浏览作品的喜好特征(完播、点赞、评论、转发)，拟合一个用户对内容满意的函数 Y=F(x_i，x_u，x_c)，它会估算用户对每一个作品的点击概率，然后从成千上万的内容池中挑选合适的内容展现到用户手中。

今日头条推荐算法原理全文详解：

https://baijiahao.baidu.com/s?id=1589714822818540008&wfr=spider&for=pc