TK的内容推荐机制
打开TK到“推荐”页,系统会展示一系列符合用户兴趣的视频,帮助用户轻松找到自己喜欢的内容和创作者。这些推送所采用的推荐系统,能够向每一位用户提供他们感兴趣的内容。
推荐基于多个因素,包括:
• 用户互动,例如用户点赞或分享的视频,关注的账号,发布的评论和自己创作的内容等。
• 视频信息,可能包括文字说明、声音和标签等详细信息。
•设备和账户设置,比如语言偏好、国家设置和设备类型等。推荐系统会综合考虑这些因素,优化推荐结果,但相对于系统参照的其他数据点,这些因素在推荐系统中所占的比重较小,因为用户通常不会主动将它们表示为偏好。
推荐系统对这些因素进行处理,并根据它们对于用户的价值进行加权计算。例如,用户是否从头到尾看完了一条长视频是一个强烈的兴趣指标,因此权重更大,而视频观看者和创作者是否在同一个国家则属于较弱的指标,因此权重稍小。系统由此对视频进行排序,来确定用户对某条视频产生兴趣的概率,并将视频推送到每位用户的“推荐”页中。
“推荐”页面不仅取决于用户与推送内容的互动。关注新账号,在“发现”选项中探索标签、声音、以及热门主题,这些操作也会影响推荐内容。用户可以通过这些方式定制用户体验,增加新的推送内容。
用户有时候可能会遇到不符合自身口味的视频,也可以长按点击不感兴趣,表明自己不喜欢这类视频。用户可以选择隐藏某位创作者的视频或使用某个音效创作的视频,可以举报疑似违反平台政策的视频。这些操作都会影响“推荐”页的内容推送。