今日头条推荐算法原理 - 梳理
最近在拜读项亮博士的《推荐系统实践》,系统的学习一下推荐系统的相关知识。今天学习了其中的隐语义模型在Top-N推荐中的应用,在此做一个总结。隐语义模型LFM和LSI,LDA,Topic Model其实都属于隐含语义分析技术,是一类概念,他们在本质上是相通的,都是找出潜在的主题或分类。这些技术一开始都是在文本挖掘领域中提出来的,近些年它们也被不断应用到其他领域中,并得到了不错的应用效果。比如,在推荐系统中它能够基于用户的行为对item进行自动聚类,也就是把item划分到不同类别/主题,这些主题/类别可以理

【推荐算法】今日头条推荐系统原理
常见的推荐算法原理介绍,随着互联网的发展短视频运营越来越精准化,我们身边常见的抖音、火山小视频等软件让你刷的停不下来,这些软件会根据你的浏览行为推荐你感兴趣的相关内容,这就用到了很多推荐算法在里面。在淘宝购物,在头条阅读新闻,在抖音刷短视频,背后其实都有智能推荐算法。这些算法不断分析、计算我们的购物偏好、浏览习惯,然后为我们推荐可能喜欢的商品、文章、视频。这些产品的推荐算法如此智能、高效,以至于我们常常一打开淘宝就买个不停一打开抖音就停不下来。大数据平台只是提供了数据获取、存储、计算、应用的技术方案,真正挖
1.2.2 视频号的社交推荐机制
1.2.2 视频号的社交推荐机制 说到视频号的推荐机制,离不开两个名词:私域流量和公域流量。 公域流量也叫作平台流量,它不属于个体,而是集体所共同拥有的流量。公域流量流动性较强,多属于“看客”式流量。私域流量指的是品牌或个人自主拥有的、可反复利用的、能随时触达的流量。私域流量更注重引导和运营,需要通过沉淀和积累来获取。 如果要用一句话概括私域流量和公域流量的区别,那么就是私域流量的用户属于个体,公域流量的用户属于平台。举一个简单的例子,你在抖音上发布了一条视频,那些刷到你的视频的用户就是平台给你分配的公域流量,而那些与你产生更深一步的互动,进入你的粉丝群,或者加你为微信好友的,就是你的私域流量。 可以发现,目前的新媒体平台,像抖音、快手、微博等,多是以公域流量为主的,虽然这些平台也有一定的私域流量的属性(平台粉丝群、私信等),但终归黏性不够,难以形成聚合力。比如我们很少在微信以外的其他平台加他人为好友,同时也不会在其他平台跟陌生人进行过多交流,用户在其他平台想要建立更持久的联系,最后都要说同一句话:“加个微信吧!”从一定程度上来说,添加微信好友被公认为是积累私域流量的最终途径。 微信是私域流量的集合地。在微信上我们可以与微信好友随时联系,产生深度互动,可以在朋友圈分享我们感兴趣的事物,也可以在微信群连接更多人。而扎根微信的视频号,其传播机制是私域流量和公域流量的结合。 正是因为微信积累了大量的私域流量,才使得视频号在借助社交关系推广方面有着先天的优势。对于视频号主页上的任何一条视频,用户都能看到有哪些微信好友点赞过,如图1-8所示。这显然能调动用户“围观”该条视频的积极性。用户在进入一个视频号账号的主页后,会在该账号的个人简介下面看到“×位朋友关注”的提示,这个提示有助于用户判断是否观看该账号发布的更多视频,以及是否要关注该账号,因为用户更容易受微信好友观看偏好的影响。图1-8 视频号的好友点赞前文讲过,视频号的“朋友在看”功能使微信好友点赞过的视频出现在用户的视频号主页面,这相当于一次转发。同时,视频号以朋友点赞的强关系触发冷启动后进入平台推荐广场触发弱关系的这个过程,也是由私域流量进入公域流量的过程。这也意味着,如果用户的视频被很多微信好友点赞,那么该视频进入平台推荐的可能性就会更大,从而分配到更多的公域流量,从而有些火爆,实现所谓的“出圈”。 当然,私域流量的价值不仅体现在点赞和分享上,利用私域流量进行进一步的用户留存和转化,会产生更大的价值,这一点在后面的“流量变现”这一章会有详细的讲解。