抖音4月15日在北京举办“安全与信任中心开放日”活动，相关业务负责人详细介绍了抖音算法原理、平台治理体系等社会关切的问题，揭秘算法如何帮助用户打破“信息茧房”。

　　推荐算法作为人工智能机器学习技术的重要应用场景，本质上是一套高效的信息过滤系统。抖音的推荐系统采取“人工+机器”协同的风险治理方式，人工运营和治理体系为算法提供方向。同时，多目标体系算法能主动打破“信息茧房”，为用户提供更丰富多元、实用可靠的推荐内容。

　　抖音算法工程师刘畅介绍，抖音的推荐算法包含召回、过滤、排序等环节，重点学习用户行为。抖音的推荐方法基于多种技术模型，如协同过滤、双塔召回、Wide&Deep模型等。这些算法能在用户不理解内容的情况下，找到兴趣相似的用户，推荐相关内容。目前，抖音算法已几乎不依赖内容和用户标签，而是通过神经网络计算预估用户行为，将高价值内容推送给用户。

　　“用户长期价值”是抖音推荐算法的核心目标。刘畅表示，抖音更关注用户长期价值，而非短期数据。因此，算法考虑了多种目标，如完播、评论、点赞、长期消费、分享、跟拍等，力求推荐更符合用户长期价值的内容。

　　为打破“信息茧房”，抖音算法在多目标建模体系下设置了探索维度。一方面，对用户已表现出的兴趣推荐更多样内容，通过多样性打散、多兴趣召回、扶持小众兴趣等方法控制相似内容频次。另一方面，帮助用户探索新兴趣，采用随机推荐、基于社交关系拓展兴趣、搜索推荐联动等方式，让主动行为影响推荐系统，实现个性化、多样化推荐。

　　尽管算法能预估用户行为，但存在对内容理解不足的问题，可能导致违法违规、不良内容传播。因此，算法在实际应用中需受平台治理约束和规范。

　　抖音生态运营经理陈丹丹介绍，抖音的内容治理体系采用“人工参与+机器学习”模式，组建专门的治理团队为算法设置“护栏”。

　　抖音平台治理体系包括异常感知、标准定义、机器识别、人工研判、风险处置等环节。所有发布内容都会经过评估，流量越高评估越严格。内容审核采用“人工+机器”模式，机器负责评估所有投稿，人工负责深度研判，确保精准。

　　创作者上传内容后，首先进入机器识别环节。若识别出高危特征将被直接拦截；若模型判断有问题则送至人工审核；若问题概率较低则获得基础流量。视频被举报、评论区质疑、流量激增等情况均可能触发“人工+机器”审核。一旦内容被处置，系统将停止推荐和分发。

　　针对社会普遍关心的焦点问题，抖音成立了专项治理团队，针对诈骗、网暴、虚假摆拍、未成年人保护等风险进行治理。例如，抖音上线了辟谣卡，遏制不实信息传播。

　　目前，抖音安全与信任中心网站试运行，征集用户、创作者、社会意见。开放日活动旨在鼓励公众体验安全与信任中心，了解算法、治理政策，共建美好社区。抖音还公布了优质内容定义，增加“抖音精选”推荐子链路，为优质内容提供流量扶持。

　　抖音表示，未来将坚定推进算法透明、治理完善、服务到位，依托安全与信任中心，增加算法和治理透明度，回应社会关切，公示违规案例治理情况，接受公众监督。

（文章来源：经济参考网）