抖音公开算法原理：可几乎不依赖打标签，通过神经网络计算预估用户行为

图片地址：https://img.ithome.com/newsuploadfiles/2025/4/f6688558-ef07-4662-bdf2-c7db0ebeb514.jpg?x-bce-process=image/format,f_auto

IT之家 4 月 16 日消息，据抖音集团官方公众号，在昨日的抖音安全与信任中心开放日活动上，抖音相关业务负责人基于网站版块，就社会关切的算法和治理问题展开介绍。据介绍，抖音算法已几乎不依赖对内容和用户打标签，而是通过神经网络计算，预估用户行为，计算用户观看这条内容获得的价值总和，把排名靠前的内容推给用户。在抖音的实际应用中，推荐系统采取“人工 + 机器”协同的方式进行风险治理，始终有人工运营和治理体系为算法导航；多目标体系算法能主动打破“信息茧房”，为用户带来更丰富多元、实用可靠的推荐结果。抖音应用的深度学习算法包括 Wide&Deep 模型、双塔召回模型等。前者可解决协同过滤算法容易造成信息单一、泛化不足的问题，后者在召回环节提供更好的推荐效果。基于人工智能机器学习和深度学习构建的推荐算法，其本质是数学模型的运算过程，只是在建立用户行为与内容特征之间的数学统计关联，而非理解内容本身。抖音推荐算法的核心逻辑可以简化为“