Recientemente, se lanzó el sitio web del Centro de confianza y seguridad de Douyin, que reveló por primera vez el principio del algoritmo de recomendación de Douyin, presentando cómo su algoritmo de recomendación estima la probabilidad del comportamiento del usuario y logra recomendaciones de contenido mejores y más ricas a través del modelado multiobjetivo y otros métodos.
Douyin se lanzó en 2016, lo que coincidió con el comienzo del algoritmo de recomendación para entrar en la era del aprendizaje profundo. El algoritmo de recomendación utilizado por Douyin también es un tipo de algoritmo de aprendizaje profundo. Se entiende que los principales modelos del algoritmo de recomendación de Douyin incluyen modelos Wide & Deep, etc.
En el Foro de Medios en Línea de China 2025, el presidente de Douyin, Han Shangyou, dijo en la reunión que muchas personas tienen malentendidos sobre la tecnología de algoritmos de recomendación. Creen que el algoritmo etiqueta el contenido con las etiquetas correspondientes, luego etiqueta a los usuarios con los atributos correspondientes y finalmente utiliza cálculos de datos para recomendar contenido con las etiquetas correspondientes a los usuarios con los atributos correspondientes.
Sin embargo, con el desarrollo de la tecnología de aprendizaje automático, el sistema de recomendación de Douyin casi no se basa en etiquetar contenido o usuarios. En cambio, utiliza una serie de cálculos de redes neuronales para estimar directamente el comportamiento objetivo de cada usuario para cada contenido, como la probabilidad de que le guste, seguir, compartir y comentar, y selecciona el contenido con la mayor probabilidad de recomendar a los usuarios. Esto significa que los algoritmos pueden predecir directamente el comportamiento del usuario sin comprender el tipo de contenido ni la semántica.
Con respecto a "las recomendaciones solo estiman acciones de comportamiento", Douyin también explicó en el sitio web del Centro de seguridad y confianza: cuando un usuario abre Douyin, el algoritmo de recomendación de Douyin calificará los videos candidatos y enviará el video con la puntuación más alta al usuario. Los usuarios pueden realizar varias interacciones con los videos que ven mientras miran, y estas interacciones reflejan el interés del usuario en el video.
Por ejemplo, a los usuarios es mejor que les guste que no les guste, terminarlo es mejor que no terminarlo y que no les desagrade es mejor que no les guste. Aquí, "terminar de ver" es una acción de retroalimentación y "me gusta" también es una acción de retroalimentación. Cada comentario de los usuarios sobre los videos que ven tiene un valor positivo o negativo.
Douyin señaló que el modelo de clasificación de recomendaciones de Douyin aprende este tipo de retroalimentación de comportamiento. El objetivo del sistema de recomendación es enviar los videos con el mayor valor de retroalimentación a los usuarios. La lógica central de su algoritmo de recomendación se puede simplificar a la "fórmula de prioridad de recomendación": predicción integral de la probabilidad del comportamiento del usuario × peso del valor del comportamiento = prioridad de recomendación de video.
Entonces, ¿cómo estima el algoritmo de recomendación de Douyin la tasa de acción del usuario? El sitio web del Centro de Seguridad y Confianza de Douyin también compartió sus pasos específicos. El primero es el aprendizaje de algoritmos, es decir, el aprendizaje de datos de comportamiento del usuario, que incluye tanto datos nuevos en tiempo real como datos de comportamiento históricos del usuario. El segundo es la predicción del modelo probabilístico. El algoritmo de recomendación predecirá la probabilidad de comportamiento del usuario para los videos candidatos a través del modelo de algoritmo; seguido del modelo de valor. Evaluación, a través del modelo de valor, Douyin calculará el valor del comportamiento interactivo del usuario y ajustará constantemente los parámetros, ponderará varios valores y considerará de manera integral múltiples factores para evaluar el valor del contenido candidato; Finalmente, el ajuste dinámico, al realizar actualizaciones de retroalimentación en tiempo real "a nivel de minutos", ayuda al algoritmo a predecir el comportamiento del usuario con mayor precisión.
Para guiar el sistema de recomendación para distribuir información más rica y diversa, Douyin ha creado y equilibrado más de 100 objetivos diferentes, como "colección", para resolver el problema de que el sistema es propenso a recomendar repetidamente contenido similar bajo un solo objetivo. El algoritmo de Douyin ha configurado un tráfico de exploración especial para ayudar a los usuarios a seguir ampliando el contenido de su interés. Douyin también ha fortalecido la aplicación del comportamiento de búsqueda en el sistema de recomendación, permitiendo que el sistema se ajuste según los intereses de búsqueda del usuario en más tiempo real. Douyin también ha optimizado funciones como "no interesado" y "establecer palabras de bloqueo" para permitir a los usuarios controlar el algoritmo.