AI帮我做个抖音推荐算法，6步讲解推荐算法逻辑 #技术分享 #算法 #ai #互联网大厂 #求职

是谁还没有看老师？你们有没有发现这样一个问题？ 你明明只想刷五分钟的抖音，结果一抬头，两个小时就过去了。 而且呢，刷的每一条内容都是刚好是你爱看的。 这些平台它到底是怎么知道你喜欢什么的呢？ 今天我就来用AI现场写代码，把这套推荐系统一步步做给你们看。 我们先花一分钟说清楚啊，推荐系统到底是个啥？ 所有内容APP它的核心业务说白了就是一件事： 一边是用户的供给，创作者发的内容，商家挂的商品；一边是需求，每天打开APP的你。 推荐系统干的活就是在中间做个个性化分发， 从一堆供给里挑出来你最可能感兴趣的内容，怼到你的脸上。 今天我就来用AI给大家展示一下， 一个视频究竟是怎么通过六道关卡推到我们用户的手中的。 我给AI的指令就一句话， 让它搭建一个迷你的推荐系统， 五万条模拟的短视频，一个用户小A， 它最近看完了二十条美食视频，三条穿搭， 把它今天打开抖音会刷到的feast流跑出来。 那这些视频首先它通过的第一个关卡， 我们叫做召回。 五万条内容我们不可能每条都拿出来跟小A去算一遍它的分数， 算力会直接爆炸，所以会先去做一个粗筛。 比如AI会去按赛道、时间、小A的性别， 通过一些通道，各自捞一瓶内容， 五万变成一千。 注意这个数字还没开始算分， 98%的视频就已经出局了。 第二个关卡，过滤。 AI会把一些违规的，或者是小A明确点过不感兴趣的同类内容直接剃掉，从一千变成800。这一步其实并没有模型，全是一些冷冰冰的规则，但是速度很快。 第三个关卡，粗排。800条内容每条我们都会去跟小A算一个匹配分，但是用一个最简单的模型，图一个快。跑完了之后留下了500条。 第四个关卡，金牌。整个推荐系统中最贵的一步，也最重要。这个时候会上一些真正的模型，比如预估小A会不会看完这一条，会停留几秒，会不会点赞，会不会在5秒内退出。每一个预估出来都是一个分数，再按加权进行一些加减成熟的汇总。这个时候我们看到AI跑出来的，排在第一的是一个打工人的午餐便当，完播预估0.47，预估停留40秒。那为什么是这一篇呢？因为小A在过去三个月，每一次的观看都在给这个分数投票。 那第五个关卡，规则系统。金牌排完其实并没有完全结束，AI发现可能前十条全部都是美食，它会直接把第四条换成一条，比如职场视频。系统会故意地穿插一些别的赛道，主要去增加一些多样性。 最后一关，混牌。AI会把一条广告塞在第三位。你以为你刷到的是自然内容，其实是特意排出来的。刷到广告也并不是你的运气差，而是那个位置呢，它从一开始就设计好了。 那最后屏幕上我们可以看到，小A的10条feeds出来之后呢，6条内容，2条穿搭。 1条职场，1条广告。 内容就是这样通过6个关卡， 从5万最后推到它面前， 剩下了10条。 所以所谓的猜你喜欢，也并不是平台懂你， 而是你自己训练出来的。 给小A推他喜欢的美食视频， 也是他三个月里， 每次看完一条内容积攒出来的分数。 你划走的每一次不感兴趣， 其实都在重新训练这个模型。 那对于内容创作者， 我们大家天天纠结的这些完播率， 其实在我们眼里呢， 是一个涨粉技巧； 在系统眼里只是一份打分样本。 它是个入场券， 但并不是终点。 观众多看一秒， 你的分就多长一些， 但它看完了之后， 愿不愿意留下来， 才真正决定你能够走多远。 好啦，那这个就是今天 想跟大家分享的全部内容啦。 我们下期见， 大家拜拜。