时报记者在现场得悉，在抖音的实践运用中，引荐体系采纳“人工+机器”协同的办法来进行危险管理，一直有人工运营和管理体系为算法导航；一起，抖音多方针体系算法能自动打破“信息茧房”，以期完成多元有用牢靠的引荐成果。

　　引荐算法作为AI机器学习技能的重要运用场景，本质上是一套高效的信息过滤体系。业界以为，引荐算法的呈现，得益于技能。近二十年来，机器学习尤其是深度学习的前进，让大规模运用于信息分发成为或许。在信息爆破年代，引荐算法成为人类与巨量信息共处的干流解决方案。

　　敞开日上，抖音算法工程师刘畅介绍，抖音的引荐算法与国表里大部分内容引荐渠道类似，包含召回、过滤、排序等环节，重点是学习用户行为。

　　记者在现场得悉，抖音根据用户行为的引荐办法包含多种技能模型，如协同过滤、双塔召回、Wide&Deep模型等。算法能够在彻底“不了解内容”的状况下，找到爱好类似的用户，把其他人感爱好的内容引荐给该用户。现在，抖音算法已简直不依赖对内容和用户打标签，而是通过神经网络核算，预估用户行为，核算用户观看这条内容取得的价值总和，把排名靠前的内容推给用户。

　　“用户长时间价值，是抖音引荐算法的‘北极星方针’，也便是咱们最中心的事务方针。”刘畅表明，抖音更重视用户长时间价值，而非寻求渠道的短期数据。为此，抖音算法考虑了很多方针，如完播、谈论、点赞、对作者长时间消费、共享、跟拍等，力求核算出更契合用户长时间价值的方针。

　　为引导算法打破“信息茧房”，抖音算法在多方针建模体系下，设置了专门的探究维度。一是对用户在渠道上现已表现出的爱好，尽或许引荐更多样的内容，通过多样性打散、多爱好召回、扶持小众（长尾）爱好等办法操控类似内容呈现的频次。二是协助用户探究更多新爱好，选用随机引荐、根据用户交际联系拓宽爱好、查找引荐联动、“不感爱好”不再展示等多种办法，让用户的自动行为影响引荐体系，使引荐愈加个性化和多样化。

　　算法能学习、预估用户行为，但因其没办法了解内容语义，对内容的了解存在缺乏，或许会引起违法违规、不良内容被引荐传达。因而，算法在实在运用场景中，必须由渠道管理对其进行束缚和规范。

　　以抖音为例，据抖音生态运营司理陈丹丹介绍，抖音的内容管理体系是“人工参加+机器学习”相结合的形式，并组建了专门的渠道管理团队为算法设置“护栏”。

　　抖音渠道管理体系包含反常感知、规范界说、机器辨认、人工研判、危险处置等进程。管理流程秉持两大原则：一切在渠道发布的内容都会通过评价，流量越高的内容评价次数越多，规范也越严厉；抖音内容审阅选用“人工+机器”相互配合的形式，“机器”担任“宽度”评价一切投稿，“人工”担任“深度”，保证专业、灵敏或疑问等问题尽或许精准研判。

　　创作者将内容上传至抖音后，首要进入机器辨认环节。假如内容被辨认出含有高危特征，将被直接阻拦；若未射中高危特征但模型判别有问题，则会送至人工审阅；若问题概率较低，则取得根底流量进入下一环节。视频被告发、谈论区呈现会集质疑、流量激增等状况呈现，均或许触发“人工+机器”审阅。一旦内容在任一环节被处置，体系会立马中止进一步引荐和分发。

　　针对社会遍及关怀的、对用户形成较多困扰的焦点问题，抖音成立了数个专项管理团队，针对欺诈、网暴、虚伪摆拍、未成年人维护、网络水军、AIGC技能乱用等一系列严重专项危险进行管理。例如，在不实信息管理方面，抖音于近来上线了驳斥谣言卡，遏止不实信息的传达。

　　现在，抖音安全与信赖中心网站进入试运行阶段，正广泛向用户、创作者、社会各界搜集定见。