抖音算法机制解析，它是如何工作的，又有哪些类型？

抖音的算法机制是一套复杂的推荐系统，它结合了内容分析、用户行为以及环境特征等多个维度，通过一系列步骤决定视频的曝光量和推广范围，抖音算法的核心在于信息流漏斗算法，这是一种著名的去中心化推荐算法，也是今日头条的核心算法。

一、发布后的推荐流程

1、双重审核：

机器审核：通过提前设置好的人工智能模型识别视频画面和关键词，审核作品是否存在违规行为或内容重复。

人工审核：针对机器审核筛选出疑似违规作品，以及容易出现违规领域的作品，进行逐个细致审核。

2、冷启动：

通过双重审核后，视频会被分配给一个初始流量池，通常是200300在线用户（也可能有上千个曝光）。

3、数据加权：

根据这1000次曝光所产出的数据（如完播率、点赞、关注、评论、转发等），结合账号分值来分析是否给视频加权。

4、加大推荐：

对数据表现好的视频进行更大的加权，并在第三步强化人群标签分发，让内容分发更加精准。

5、进入精品推荐池：

进入精品推荐池后，视频会大规模曝光，人群标签被弱化，类似于热门视频的广泛传播。

6、延后“引爆”：

有些内容可能在发布当天或一段时间后突然火起来，这可能是由于抖音重新挖掘数据库里的优质老内容并给予更多曝光。

7、流量触顶：

经过层层引爆后，爆款视频和账号会迅速冷却下来，后续发布的一些作品可能难以获得较高的推荐量。

二、抖音的算法种类

1、相关性特征的属性与用户是否匹配，包括关键词匹配、分类匹配等。

2、环境特征：考虑用户的地理位置、时间等环境因素。

3、热度特征：全局热度、分类热度、主题热度等。

4、协同特征：通过用户行为分析不同用户间的相似性，扩展模型的探索能力。

抖音的算法机制是一个高度复杂且不断进化的系统，它通过多级推荐、兴趣算法、热点算法、协同算法和挖坟算法等多种方式，确保用户能够持续接收到感兴趣的内容，同时也为内容创作者提供了公平竞争的机会。