Time: 2025-05-16 Friday 17:00:01

关于抖音的推荐机制

我之前也写了一个百万用户基于标签的推荐系统, 那时就感受到推荐算法的重要性, 作为一个什么都不懂的人, 我第一反应就是, 如果要给一个人推荐用户, 那根据我的标签和剩下的用户标签做一个比较,然后推荐最相似的就行了, 标签相似度计算就用距离编辑,或者余弦相似度就好了,写完代码, 发现, 不行啊,如果每个用户都要计算剩下99.9万个用户的标签,还要进行相似度计算,这计算量太大了,太慢了,当时想到了可以分组,把所有用户按一定特征分组,然后根据自己的特征去找相应的组就好了,这种还要重新建表就没做, 最后我采用的是主动匹配, 优先寻找和我标签完全相同的人,如果没有,就找任何包含有我标签的人,如果还是没有就随机抽取了,那时候了解到,大数据是有专门的处理方法的,是专门的一个学科,什么召回,清晰,过滤,排序什么的, 而且纯粹根据标签推荐,最大的弊端就是, 喜欢篮球的人永远不会和喜欢羽毛球的人匹配在一起,喜欢可口可乐的不会和百事可乐的在一起, 很明显这种算法是很呆的

抖音早期采用的是协同过滤这种算法, 是基于用户相似度来推荐的视频的, A和B的特征相似,B看过的视频也推荐给A,