很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
▲資深算法架構(gòu)師曹歡歡講解今日頭條算法原理
1月11日，一場問診算法、建言算法的 “讓算法公開透明” 分享交流，在北京今日頭條總部舉辦。資深算法架構(gòu)師、中國科學(xué)技術(shù)大學(xué)曹歡歡博士，介紹了今日頭條的推薦算法原理。同時，解答大家對算法的疑問，接受大家對算法的建議。
中央電視臺、新華社、人民日報等媒體機(jī)構(gòu)從業(yè)者，和阿里、騰訊、百度、美團(tuán)、新浪、網(wǎng)易等科技公司的算法工程師、產(chǎn)品經(jīng)理等100多人，參加了活動。
1
資訊推薦系統(tǒng)本質(zhì)上要解決用戶、環(huán)境和資訊的匹配。
今日頭條算法推薦系統(tǒng)，主要輸入三個維度的變量。
一是內(nèi)容特征，圖文、視頻、UGC小視頻、問答、微頭條等，每種內(nèi)容有很多自己的特征，需要分別提取。
二是用戶特征，包括興趣標(biāo)簽、職業(yè)、年齡、性別、機(jī)型等，以及很多模型刻畫出的用戶隱藏興趣。
三是環(huán)境特征，不同的時間不同的地點(diǎn)不同的場景（工作/通勤/旅游等），用戶對信息的偏好有所不同。結(jié)合這三方面緯度，今日頭條的推薦模型做預(yù)估，這個內(nèi)容在這個場景下對這個用戶是否合適。
2
點(diǎn)擊率、閱讀時間、點(diǎn)贊、評論、轉(zhuǎn)發(fā)，這些都是可以量化的。但一個大體量的推薦系統(tǒng)，服務(wù)用戶眾多，不能完全由指標(biāo)評估，引入數(shù)據(jù)以外的要素，也很重要。有些算法可以完成，有些算法還做不到、做的不好，這就需要內(nèi)容干預(yù)。
3
沒有一套通用的模型架構(gòu)，適用所有的推薦場景。我們需要一個非常靈活的算法實(shí)驗(yàn)平臺，這個算法不行，馬上試另一個算法，實(shí)際上是各種算法的一個復(fù)雜組合。西瓜視頻、火山小視頻、抖音短視頻、悟空問答，都在用頭條這一套推薦系統(tǒng)，但具體到每套系統(tǒng)，架構(gòu)都不一樣，需要不斷去試。
4
算法推薦要達(dá)到不錯的效果，需要解決好這四類特征：相關(guān)性特征、環(huán)境特征、熱度特征和協(xié)同特征。
相關(guān)性特征，解決內(nèi)容和用戶的匹配。環(huán)境特征，解決基礎(chǔ)特征和匹配。熱度特征，在冷啟動上很有效。協(xié)同特征，考慮相似用戶的興趣，在一定程度上解決所謂算法越推越窄的問題。
5
今日頭條有一個世界范圍內(nèi)比較大的在線訓(xùn)練推薦模型，包括幾百億特征和幾十億的向量特征。
完全依賴模型推薦成本過高，因此有了簡化策略的召回模型?；谡倩夭呗裕岩粋€海量、無法把握的內(nèi)容庫，變成一個相對小、可以把握的內(nèi)容庫，再進(jìn)入推薦模型。這樣有效平衡了計算成本和效果。
6
在今日頭條工作前三年，我收到用戶反饋?zhàn)畲蟮囊粋€問題，就是，“怎么老給我推重復(fù)的？”
其實(shí)，每個人對重復(fù)的定義不一樣。有人昨天看到一篇講巴薩的文章，今天又看到兩篇，可能就覺得煩了。但對于一個重度球迷來講，比如巴薩的球迷，可能恨不得所有的報道都看一遍。解決這個，實(shí)際上需要精確抽取文本特征，比如哪些文章說的是一個事兒，哪些文章基本一樣等等。
文本特征對于推薦的獨(dú)特價值在于，沒有文本特征，推薦引擎無法工作，同時，文本特征顆粒度越細(xì)，冷啟動能力越強(qiáng)。
7
語義標(biāo)簽的效果，是檢查一個公司NLP（自然語言處理）的試金石。
頻道、興趣表達(dá)等重要產(chǎn)品功能，需要一個有明確定義、容易理解的文本標(biāo)簽體系。所以，在隱式語義特征已經(jīng)可以很好地幫助推薦，且做好語義標(biāo)簽需要投入遠(yuǎn)大于隱式語義特征的情況下，我們?nèi)匀恍枰龊谜Z義標(biāo)簽。
8
除了用戶的自然標(biāo)簽，推薦還需要考慮很多復(fù)雜的情況：
1）過濾噪聲：過濾停留時間短的點(diǎn)擊，打擊標(biāo)題黨；
2）懲罰熱點(diǎn)：用戶在熱門文章上的動作做降權(quán)處理；
3）時間衰減：隨著用戶動作的增加，老的特征權(quán)重會隨時間衰減，新動作貢獻(xiàn)的特征權(quán)重會更大；
4）懲罰展現(xiàn)：如果一篇推薦給用戶的文章沒有被點(diǎn)擊，相關(guān)特征（類別、關(guān)鍵詞、來源）權(quán)重會被懲罰；
5）考慮全局背景：考慮給定特征的人均點(diǎn)擊比例。
9
比起批量計算用戶標(biāo)簽，采用流式計算框架，可以大大節(jié)省計算機(jī)資源，可以準(zhǔn)實(shí)時完成用戶興趣模型的更新。幾十臺機(jī)器就可以支撐每天數(shù)千萬用戶的興趣模型更新，99%的用戶可以實(shí)現(xiàn)發(fā)生動作后10分鐘模型更新。
10
影響推薦效果的因素有很多，我們需要一個完備的評估體系，不能只看單一指標(biāo)，點(diǎn)擊率、留存、收入或是互動，我們需要看很多指標(biāo)，做綜合評估：兼顧短期指標(biāo)和長期指標(biāo)，兼顧用戶指標(biāo)和生態(tài)指標(biāo)，注意協(xié)同效應(yīng)的影響，有時候需要做徹底的統(tǒng)計隔離等。
有人問，所有的這些指標(biāo)，能合成唯一的一個公式嗎？我們苦苦探索了幾年，目前還沒有做到。
11
很多公司的算法做得不好，不是人的問題，是實(shí)驗(yàn)平臺的問題。
如果A/B Test，每次數(shù)據(jù)都是錯的，不是這兒錯就是那兒錯，總上不了線，這個事就廢了。而一個強(qiáng)大的實(shí)驗(yàn)平臺，可以實(shí)現(xiàn)每天數(shù)百個實(shí)驗(yàn)同時在線，高效管理和分配實(shí)驗(yàn)流量，降低實(shí)驗(yàn)分析成本，提高算法迭代效率。
12
頭條現(xiàn)在擁有健全的內(nèi)容安全機(jī)制。除了人工審核團(tuán)隊，我們還有技術(shù)識別。包括風(fēng)險內(nèi)容識別技術(shù)，構(gòu)建千萬張圖片樣本集的鑒黃模型，超過百萬樣本庫的低俗模型和謾罵模型等，以及泛低質(zhì)內(nèi)容識別技術(shù)。
我們一直按行業(yè)最高的標(biāo)準(zhǔn)要求自己。
來源：今日頭條（ID：Mister-shou）
本文為作者授權(quán)鳥哥筆記發(fā)布，轉(zhuǎn)載請聯(lián)系作者并注明出處。
本文為作者獨(dú)立觀點(diǎn)，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點(diǎn)擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實(shí)國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺氛圍，我們團(tuán)隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進(jìn)行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護(hù)法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動實(shí)施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進(jìn)行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進(jìn)行負(fù)面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運(yùn)、使用迷信方式治病；
2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進(jìn)行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運(yùn)勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點(diǎn)」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)