User interactions 用戶交互:比如你喜歡或分享的視頻,你關注的賬號,你發(fā)布的評論,你創(chuàng)建的內(nèi)容;
Video information 視頻信息:可能包括標題、聲音和標簽等細節(jié);
Device and account settings 設備和帳戶設置:比如你的語言偏好,國家設置和設備類型。這些因素包含在內(nèi),以確保系統(tǒng)的性能得到優(yōu)化,但是相對于我們測量的其他數(shù)據(jù)點,它們在推薦系統(tǒng)中的權重較低,因為用戶不會主動將這些數(shù)據(jù)點表示為偏好。
所有這些因素都由TikTok的推薦系統(tǒng)進行處理,并根據(jù)它們對用戶的價值進行加權。一個強有力的興趣指標,比如用戶是否從頭到尾看完了一個較長的視頻,會比一個弱指標,比如視頻的觀看者和創(chuàng)作者是否都在同一個國家,獲得更大的重量。然后對視頻進行排序,以確定用戶對某一內(nèi)容感興趣的可能性,并將視頻發(fā)送到每個 For You feed 中。
TikTok 推薦系統(tǒng)常見三類抵制內(nèi)容
?
TikTok的推薦系統(tǒng)將用戶安全視作重中之重,因此有些內(nèi)容允許在平臺上出現(xiàn),可在關注頁 (Following feeds)搜索并瀏覽,但卻無法在推薦頁(For you Feed)獲得推薦。對于那些并不適合推薦的內(nèi)容,我們特舉例電商場景中常見的三類內(nèi)容。