算法|短视频推荐算法机制短视频

算法本质干的活是：猜测用户喜欢看什么，吸引住用户。
这个直接导致的问题是：用户只能接收到自己喜欢看的内容，不论内容的真实性/质量。
通过算法推荐，平台为用户精准推送所感兴趣的内容，移动端的信息传播呈现出高度的个人化属性，大众传播彻底被个性化传播所取代，传播效率提升，无论多小众的内容，都可能吸引到一批拥趸。在这个过程中，平台掌握了算法的游戏规则，也就掌握了内容的生死大权，赢得了广告主的认可，实现了平台崛起。
但是，智能算法推荐机制对媒体机构来说，却可能是一个极大的桎梏，因为彻底失去了传播的主动性。同时，如前所述，商业化的互联网平台的算法推荐还是重流量而非质量的，这就进一步消解了媒体机构的优势。再优质的内容，都会被信息茧房阻隔在外，难以穿透算法所构建的信息屏障。
短视频的叠加推荐，大概率受这几方面的影响：账号初始权重；初始流量池用户反馈（点赞率、评论率、转发率、完播率和关注比例），以及持续反馈；账号已有粉丝反馈；外部真实账号激活（互赞互评互转一类）行为。
因此，我们要珍惜这个流量池，想办法让我们的作品在这个流量池中有突出的表现。
系统先识别出你想看的内容，读懂我们的需求，然后在内容池里匹配你想看的内容，最后展示出来，也就是千人千面，目前很多软件都能做到千人千面。
短视频平台的推荐系统一般是：用户画像，系统根据用户基本属性（比如：性别、年龄、学历等）、兴趣爱好（比如：科技、娱乐、体育、金融等）等数据集，然后给肪定义相关的标签。
【算法|短视频推荐算法机制】内容画像，系统根据内容的层级分类、关键词、实体词等分析出特点，给各类内容打上相关的标签。
用户与内容匹配，有了用户标签和内容标签之后，系统根据用户画像、内容画像，在内容池里面匹配出用户喜欢的内容然后展示出来。
排序，系统要面对数亿级的用户和内容，同时还要考虑用户的喜欢会不断的发生改变，为了让挑选的内容更加的贴近用户想要的、更加符合用户喜欢，系统需要对内容进行排序。
如果我们能够掌握规律并且利用规律，我们就会发现，流量来得简直不要太容易！