推荐去中⼼化
郑爽抽烟
个性化推荐系统简单来说是⼀个将user和item进⾏匹配的⼀个系统。个性化推荐系统主要包括召回、排序两个典型模块：召回是指根据⽤户信息和历史⾏为，从内容池中获取与之相匹配的部分内容（item）；排序是指根据⽤户、内容的特征，通过模型预估出内容的点击率情况。
⼀般来说，个性化推荐系统的召回主要有：标签召回（⽤户、内容打标签）、协同召回、热度召回（根据⾏为计算出来的内容）等，排序模型主要有lr、fm、gbdt、NN⽹络等。在现实的情况下为了强调个性化，往往过度通过⽤户的⾏为来计算召回、排序，这样就会导致⼀个严重的问题——头部内容集中。问题表现主要分两个阶段：
定时发邮件1、马太效应：头部内容获得了⼤量的推荐（流量），⽽腰部、尾部的内容只获取到了少量的流量甚⾄⽆法获取流量，并且这种情况随着时间会越来越明显（强者更强、弱者更弱）。
2、信息茧房：从⽤户⾓度出发，某个⼈看到的内容始终是那些品类，类似原地打转。
为了减轻上⾯说的两种情况，⼀般会通过算法策略来控制流量的分发——去中⼼化。接下来我们看下抖⾳算法逻辑
抖⾳算法是⾮常有魅⼒的，⽽使其产⽣魅⼒的是抖⾳的流量分配是去中⼼化。抖⾳的推荐算法逻辑可以
分为三部分：
爱国手抄报资料抖⾳与其他互联⽹产品的中⼼化流量分配不同，它是去中⼼化流量分配机制（微博就是中⼼化流量分配，刚开通微博的粉丝是没有⼈关注的，⽽抖⾳即使是0粉丝，发布的任何⼩视频都能分配⼏⼗甚⾄上百的流量）。为了确保内容的多样性，针对每个内容都会预分配⼀定的流量，从1-200到500到1000阶梯型给流量，根据权重判定给你流量⼤⼩，权重越⾼，内容获取的曝光越⾼。主要包括：
1、⼩权重：完播率、重复率；
2、中权重：点赞、转发、评论量...；
3、⼤权重：热门⾳乐、挑战话题...；
陕西中考答案
具体如下：
抖⾳对于⼀个新的内容，先对其审核，通过后根据内容属性（标签...）进⾏⼀定量的试分发（1-200）；如果其播完率和重复率超过⼀定的数量，算法就会将之判断为受欢迎内容，⾃动为内容加权，分发量扩⼤到500；如果其点赞、转发、评论超过⼀定的量，算法⼜会⾃动加权，继续扩⼤分发量。
最后经过⼤量粉丝的检验，被层层热度加权之后才会进⼊抖⾳的推荐内容池，接受⼏⼗甚⾄上百万的⼤流量洗礼。其热度的评判标准包括两个⽅⾯：
1. 热度权重的参考次序：转发量>评论>点赞量。
什么牌子的粉底液好>平安夜是中国的节日吗2. 根据时间择新去旧：除⾮有⼤量粉丝模仿及跟拍，⼀条⽕爆视频的热度最多持续⼀周。