【算法怎么知道你喜欢什么？】抖音推荐 难看
“推荐算法本质是用数学方法高效匹配信息。”抖音算法工程师刘畅曾在一场公开活动中表示。比如，抖音一天的投稿量在“亿”的级别，而用户一天大概只看“几百个内容”。怎么有效率地把内容推到眼前？靠的是算法。被平台算法背刺了

“推荐算法，并不需要理解每一个内容。”刘畅说。例如它并不懂什么是“晚霞很美”，它只知道人类看到晚霞视频时，“停留了很长时间”，并“分享给了好友”。

推荐算法是极其高效的信息过滤系统，核心是学习用户产生的行为反馈数据，预测用户的下一个行为的“发生率”，从而选择将什么内容/物品推荐出去。

过去的互联网，平台想推荐内容，需要靠给每条内容“打标签”。视频有美食、健身、旅游、科普、萌宠等分类，用户点进来，后台就会打下一个又一个标签，然后推荐同类内容。

但对于抖音这种每天都有海量内容投稿的平台，“打标签”早已吃不消。“内容太多，不可能手动打标，算法更多是基于用户的‘信号’。”刘畅解释说。

刘畅介绍，“协同过滤”是算法早期的典型策略。比如A和B都爱看美食和健身视频，如果A点了一个新的视频，B很可能也会被推荐同一个。这种算法逻辑不需要知道内容具体是什么，只要知道“谁和谁兴趣接近”。

比协同过滤更先进的，是“神经网络”。时至今日，深度学习推荐模型已经成为推荐领域当之无愧的主流。算法把用户“刷”的每一个微动作都转化成兴趣点，拼成一张不断变化的行为画像。