4月15日，抖音在北京举办“安全与信任中心开放日”活动，相关业务负责人就抖音算法原理、平台治理体系以及社会关切的问题，展开了详细介绍。

　　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。在抖音的实际应用中，推荐系统采取“人工+机器”协同的方式进行风险治理，始终有人工运营和治理体系为算法导航；同时多目标体系算法能主动打破 “信息茧房”，为用户带来更丰富多元、实用可靠的推荐结果。

　　目前，抖音安全与信任中心网站处于试运行阶段，正广泛向用户、创作者、社会各界征集意见。此次开放日活动，旨在鼓励广大公众体验抖音安全与信任中心，了解算法原理、机制和治理政策，共建平等友善、记录美好的社区。

　　抖音算法揭秘：以用户长期价值为目标，主动多样化推荐

　　推荐算法的出现，得益于人工智能技术。近二十年来，机器学习尤其是深度学习的进步，让人工智能大规模应用于信息分发成为可能。在信息爆炸时代，推荐算法成为人类与巨量信息相处的主流解决方案。

　　开放日上，抖音算法工程师刘畅讲解了算法原理和抖音算法的特点。刘畅介绍，抖音的推荐算法与国内外大部分内容推荐平台相似，包含召回、过滤、排序等环节，重点是学习用户行为。

抖音算法工程师刘畅介绍算法原理

　　抖音基于用户行为的推荐方法包含多种技术模型，如协同过滤、双塔召回、Wide&Deep模型等。算法可以在完全“不理解内容”的情况下，找到兴趣相似的用户，把其他人感兴趣的内容推荐给该用户。目前，抖音算法已几乎不依赖对内容和用户打标签，而是通过神经网络计算，预估用户行为，计算用户观看这条内容获得的价值总和，把排名靠前的内容推给用户。

　　“用户长期价值，是抖音推荐算法的‘北极星指标’，也就是我们最核心的业务目标。”刘畅表示，抖音更关注用户长期价值，而非追求平台的短期数据。为此，抖音算法考虑了众多目标，如完播、评论、点赞、对作者长期消费、分享、跟拍等，力图计算出更符合用户长期价值的目标。

　　为引导算法打破“信息茧房”，抖音算法在多目标建模体系下，设置了专门的探索维度。一是对用户在平台上已经表现出的兴趣，尽可能推荐更多样的内容，通过多样性打散、多兴趣召回、扶持小众（长尾）兴趣等方法控制相似内容出现的频次。二是帮助用户探索更多新兴趣，采用随机推荐、基于用户社交关系拓展兴趣、搜索推荐联动、“不感兴趣”不再展现等多种方式，让用户的主动行为影响推荐系统，使推荐更加个性化和多样化。

　　平台治理体系：人工运营为算法护航，守护内容生态安全

　　算法能学习、预估用户行为，但因其无法理解内容语义，对内容的理解存在不足，可能导致违法违规、不良内容被推荐传播。因此，算法在真实使用场景中，必须由平台治理对其进行约束和规范。

　　以抖音为例，据抖音生态运营经理陈丹丹介绍，抖音的内容治理体系是“人工参与+机器学习”相结合的模式，并组建了专门的平台治理团队为算法设置“护栏”。

抖音生态运营经理陈丹丹介绍平台治理体系

　　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、风险处置等过程。治理流程秉持两大准则：所有在平台发布的内容都会经过评估，流量越高的内容评估次数越多，标准也越严格；抖音内容审核采用“人工+机器”相互配合的模式，“机器”负责“宽度”评估所有投稿，“人工”负责“深度”，确保专业、敏感或疑难等问题尽可能精准研判。

　　针对社会普遍关心的、对用户造成较多困扰的焦点问题，抖音成立了数个专项治理团队，针对诈骗、网暴、虚假摆拍、未成年人保护、网络水军、AIGC技术滥用等一系列重大专项风险进行治理。

　　未来，抖音将坚定推进各项举措，让算法更透明、治理更完善、服务更到位，并以安全与信任中心为依托，持续增加算法和治理透明度，回应社会关切的议题，主动公示违规案例治理情况，接受公众监督。（刘锐）