抖音集團近期通過其官方公眾號發布了一則關于安全與信任中心開放日活動的詳細信息，活動中抖音相關業務負責人深入探討了社會普遍關注的算法機制與平臺治理策略。
在活動中，抖音揭示了其算法機制的最新進展：如今，抖音算法已很少依賴于對內容和用戶進行標簽化處理，而是采用先進的神經網絡計算技術，預測用戶行為，并綜合評估用戶觀看內容所獲得的價值，從而為用戶推送排名靠前的優質內容。
抖音的推薦系統在實際操作中，融合了人工與機器的智能，以協同方式管理風險。人工運營團隊與治理體系共同為算法提供指導，確保算法運行方向的準確性。抖音采用的多目標體系算法，旨在打破“信息繭房”現象，為用戶提供更多樣化、實用且可靠的推薦內容。
在算法技術層面，抖音應用了包括Wide&Deep模型和雙塔召回模型在內的深度學習算法。Wide&Deep模型解決了傳統協同過濾算法可能導致的信息單一和泛化能力不足的問題，而雙塔召回模型則在推薦內容的召回階段展現出更優的效果。
抖音的推薦算法基于人工智能的機器學習和深度學習構建，其本質是通過數學模型運算，建立用戶行為與內容特征之間的數學統計關聯，而非理解內容本身。這一算法的核心邏輯可以概括為“推薦優先級公式”，即綜合預測用戶行為概率與行為價值權重，從而確定視頻的推薦優先級。
為了計算推薦優先級，算法模型需要輸入內容和用戶兩端的數據，其中用戶行為數據是主要的學習對象。結合用戶行為和視頻本身的價值權重，算法能夠計算出視頻推薦的價值分數，并將得分最高的視頻推送給用戶。
抖音表示，其價值模型旨在實現內容創作者、用戶、作者以及平臺之間的多方共贏。通過不斷調整算法參數，對各種價值進行加權處理，抖音已經實現了“分鐘級”的實時反饋更新，進一步提升了用戶體驗和內容推薦的精準度。
隨著抖音用戶群體的多樣化和內容風格的多元化，推薦算法也在不斷進化。從最初只關注單一或少量目標，到如今發展出復雜的多目標體系，抖音的推薦算法能夠更好地預估用戶行為。例如，將收藏率納入多目標體系，有助于將知識類內容推送給有需求的用戶；增強組合目標，如“收藏+回訪”、“關注+追更”等，能夠預估用戶的長期行為，滿足用戶的長期需求；設置探索類指標，幫助用戶發現潛在需求，打破信息繭房；同時，設置原創性目標，鼓勵推薦優質、新穎且具獨特價值的內容。
早在3月30日，抖音就已上線了“抖音安全與信任中心”網站，首次向公眾公開其推薦算法原理，介紹了如何通過多目標建模等方式實現更優質、豐富的內容推薦，并強調算法需受到平臺治理體系的約束和規范。
