算法推薦是計(jì)算機(jī)專業(yè)中一個(gè)概念，基于計(jì)算機(jī)技術(shù)將其應(yīng)用到眾多的領(lǐng)域當(dāng)中，包括互聯(lián)網(wǎng)中的音樂、視頻、新聞等的傳播過程中。推薦算法的研究起源于 1990 年代初期，由美國(guó) GroupLens 研發(fā)小組首先進(jìn)行研發(fā)，他們?cè)噲D做出一種影片推薦系統(tǒng)以便于實(shí)現(xiàn)對(duì)用戶進(jìn)行電影的個(gè)性化推薦。研發(fā)小組首先讓用戶對(duì)自己已經(jīng)看過的影片進(jìn)行評(píng)價(jià)，隨后小組通過對(duì)用戶評(píng)價(jià)的結(jié)果進(jìn)行數(shù)據(jù)分析，從而預(yù)測(cè)出用戶對(duì)沒有觀看過的影片的興趣度，并以此他們推薦從未看過或潛在喜歡的電影。推薦算法從實(shí)質(zhì)上來說就是利用互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)對(duì)用戶的興趣特點(diǎn)和習(xí)慣行為，在海量的資訊中為用戶推薦他們或許會(huì)感興趣的信息內(nèi)容。
而短視頻作為互聯(lián)網(wǎng)時(shí)代非常成功的新興事物之一，也在人工智能算法推薦機(jī)制的加持下取得了飛速的發(fā)展。短視頻平臺(tái)根據(jù)眾多用戶的年齡、性別、喜好、思維方式等方面的差異，用戶對(duì)于內(nèi)容存在著明顯的偏好，此時(shí)短視頻平臺(tái)信息內(nèi)容能否符合某一個(gè)、或某些群體的興趣偏好就顯得尤為重要。短視頻中的算法推薦運(yùn)行機(jī)制大致分為三個(gè)方面。
首先是基于用戶畫像的個(gè)性化推薦機(jī)制，用戶畫像是根據(jù)使用者的名稱、圖片、興趣和愛好等等有關(guān)信息而建立的用戶模型。在短視頻平臺(tái)中，一個(gè)用戶在使用平臺(tái)初期都會(huì)進(jìn)行注冊(cè)賬號(hào)，在注冊(cè)過程中會(huì)授權(quán)個(gè)人信息，平臺(tái)就會(huì)收集該用戶的年齡、性別、所處地理位置等信息，然后推薦該用戶可能感興趣的內(nèi)容，在這一過程中，平臺(tái)主要通過與新用戶個(gè)人信息相似度高的其他用戶群體所感興趣的內(nèi)容，也就是“協(xié)同過濾”。
其次便是基于用戶社交更加精準(zhǔn)的推薦機(jī)制，在現(xiàn)在互聯(lián)網(wǎng)上流行的短視頻平臺(tái)中，用戶可以通過授權(quán)匹配通訊錄好友或者其他如 QQ、微信社交平臺(tái)上的好友關(guān)系，來使其它平臺(tái)的社交關(guān)系網(wǎng)延續(xù)到短視頻平臺(tái)中。在短視頻平臺(tái)中，用戶與好友互動(dòng)頻繁與否是判斷該好友與用戶的社交關(guān)系強(qiáng)弱的重要因素，如用戶對(duì)某位好友進(jìn)行點(diǎn)贊、評(píng)論等互動(dòng)行為越多，短視頻平臺(tái)會(huì)默認(rèn)用戶與該好友的社交關(guān)系越強(qiáng)，這種推薦機(jī)制可以幫助平臺(tái)增強(qiáng)用戶粘性，也會(huì)吸引用戶花費(fèi)更多的時(shí)間在短視頻平臺(tái)上。
最后便是基于流量池的綜合推薦機(jī)制，在短視頻平臺(tái)進(jìn)行綜合推薦時(shí)會(huì)根據(jù)某一作品在發(fā)表后有效的時(shí)間內(nèi)，獲得的關(guān)注、點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)及完播率等指標(biāo)綜合評(píng)估，當(dāng)這些指標(biāo)越高時(shí)，該作品就會(huì)被標(biāo)簽為優(yōu)質(zhì)內(nèi)容，再經(jīng)過平臺(tái)的算法機(jī)制推薦給合適的目標(biāo)用戶，一個(gè)短視頻作品的綜合評(píng)估指標(biāo)越高，在海量的短視頻內(nèi)容流量池中就越突出，被平臺(tái)推薦的幾率也會(huì)越大，覆蓋的目標(biāo)用戶人群就會(huì)越廣。 |
大校網(wǎng)站
聯(lián)系我們
公安機(jī)關(guān)備案號(hào)：61011602000152