mirror of
https://github.com/jackyzha0/quartz.git
synced 2025-12-27 14:54:05 -06:00
73dd09103d
* PUSH NOTE : 2025-09.md * PUSH NOTE : 打造完美的一天.md * PUSH NOTE : 推荐.md * PUSH NOTE : 摘抄.md * PUSH NOTE : 202504042056 延平一日游.md * PUSH NOTE : 2025-03-31.md * PUSH NOTE : index.md * PUSH NOTE : Readme.md * PUSH NOTE : 书评-苏东坡新传.md * PUSH NOTE : 逻辑冷酷地反驳用户.md * PUSH NOTE : 算法和用户都想打破“信息茧房” - 抖音安全与信任中心.md * PUSH NOTE : 剪藏.md
49 lines
4.6 KiB
Markdown
49 lines
4.6 KiB
Markdown
---
|
||
date: 2025-04-22
|
||
链接:
|
||
- https://trust.douyin.com/article/15364?enter_from=channel_page&channel=home
|
||
类型:
|
||
- "[[剪藏|剪藏]]"
|
||
主题:
|
||
- "[[信息|信息]]"
|
||
- "[[抖音信息推荐|抖音信息推荐]]"
|
||
时点:
|
||
- "[[2025-04-22|2025-04-22]]"
|
||
publish: true
|
||
---
|
||
" 信息茧房 " 一词，最早出现在凯斯·桑斯坦的《信息乌托邦》一书，是对博客时代 " 友情链接 " 功能带来观点单一的担心。在当下环境中，" 信息茧房 " 已成为网络常用语，用于描述不同人群信息流不同、信息同质化等现象。不少人认为，内容平台在推荐算法加持下，只给用户推送他们喜欢看的内容和观点，因而导致用户处于 " 信息茧房 " 中。
|
||
|
||
事实并非如此。抖音的实践发现，**只推荐单一内容会使用户很快厌倦，导致用户体验与活跃度下降，因此抖音也想打破 " 信息茧房 "。** 如下图，抖音针对内容推送的多样性与用户活跃度的数据实验显示，虽然短期内效果不明显，但内容推送越多元，用户的长期活跃度越高。
|
||
|
||
|
||
|
||
内容推送越多元，平台长期用户活跃度越高
|
||
|
||
但要消除 " 信息茧房 " 也并不简单。从技术视角看，这实际是推荐的精准性和多样性如何平衡的问题：内容单一当然会陷入 " 信息茧房 "，所以必须追求内容多样性；但多样性太强，推送用户喜爱内容的精准度就可能会变差，用户体验也会下降。
|
||
|
||
因此，算法的任务，可以归纳为基于用户感兴趣前提下的多元化。为此，抖音算法在多目标建模体系下，设置了专门的探索维度，通过多样性探索、兴趣探索等目标，引导算法打破 " 茧房 "。具体举例，有如下两方面：
|
||
|
||
**一是兴趣多样性覆盖**，即对用户在平台上已经表现出的兴趣，尽可能推荐更多样的内容。具体方法有很多，比如：
|
||
|
||
- 多样性打散：同样兴趣点的内容不连续、密集出现。
|
||
- 多样性频控：系统会在推荐的每个环节，动态调整不同类型内容的出现比例。比如在初筛、排序等步骤里，既控制相似内容的数量，又确保每个环节传递到下一步的内容足够丰富。这样一来，最终呈现给用户的结果就不会扎堆重复，而是百花齐放。
|
||
- 多兴趣召回：对内容按兴趣方向归类，为用户召回多种兴趣类型的内容。
|
||
- 扶持小众（长尾）兴趣：这类内容在推荐中天然处于劣势，平台会利用模型聚类，对长尾兴趣做扶持和更多冷启动优化。
|
||
|
||
举个例子，在未进行多样性优化的情况下，用户连续看到的 5 个视频中，可能会有 3 个宠物猫和 2 个其他内容。在多样性优化后，5 个视频中只会有一个宠物猫的视频，整体内容类型更加丰富。
|
||
|
||
|
||
|
||
多样性优化前后的信息流
|
||
|
||
**二是帮助用户探索更多新兴趣。**具体方法包括：
|
||
|
||
- 设置随机推荐，打破推荐模型训练集中的循环。抖音会随机推荐用户未表现出兴趣的内容，帮助用户做更多兴趣探索。从应用结果来看，每个用户看到的视频类目明显增加，多样性变好。
|
||
- 偶尔随机推送用户可能感兴趣的内容，帮助用户找相似兴趣。抖音对用户的兴趣表征进行随机扰动，帮助用户探索相关的兴趣。例如，如果用户喜欢音乐，随机扰动后，算法可能会为用户推荐美术、舞蹈等品类的视频。
|
||
- 基于用户社交关系进行兴趣拓展。在获得用户授权后，推荐系统会通过用户的 " 互相关注好友 " 推断用户的兴趣圈层，朋友喜欢的内容会成为用户的兴趣探索内容。同时，我们推出了好友推荐功能，用户可以对某条内容进行推荐，被推荐的内容会出现在该用户好友的推荐流中。
|
||
- 让用户的主动探索行为影响推荐系统。（1）搜索推荐联动，用户的搜索行为会影响推荐结果。（2）负反馈让兴趣不再展现：" 不感兴趣 " 对算法是强烈的负反馈信号，抖音对负反馈有独立的打分模型，影响推荐各个漏斗的排序。同时，用户可以设置屏蔽词，相关内容不会在推荐中再展现。
|
||
|
||
|
||
|
||
推荐给朋友、不感兴趣、屏蔽关键词页面
|