公开算法推荐原理和审核机制

摘要：近日，抖音安全与信任中心上线（95152.douyin.com），公开了部分抖音推荐算法原理和审核治理体系。明确，不再仅关注完播率等单一指标，而是通过长期用户价值、作者成长、平台生态等多目标建模进行综合评估。并且，所有在抖音发布的内容都会经过评估，流量越高的内

“包裹卡玩法”杭州闭门私享会明日开启

近日，抖音安全与信任中心上线（95152.douyin.com），公开了部分抖音推荐算法原理和审核治理体系。明确，不再仅关注完播率等单一指标，而是通过长期用户价值、作者成长、平台生态等多目标建模进行综合评估。并且，所有在抖音发布的内容都会经过评估，流量越高的内容评估次数越多，标准越严格。与此同时，对涉及网络暴力、AIGC等违规内容持续进行专项治理。

在“走近算法”板块，主要介绍了算法推荐原理、审核体系和用户权益相关内容。首先是推荐算法系统从协同过滤到多目标的优化：

算法本质是建立用户行为与内容特征的数学关联，通过神经网络直接预估用户对每条内容的互动概率（如点赞、分享、评论等），而非依赖传统标签体系。算法公式可简化为：用户行为概率 × 行为价值权重 = 视频推荐优先级。用户点赞概率高、评论互动价值高的内容会被优先推荐。

以协同过滤为例，系统通过分析用户A与用户B的历史行为相似度（如共同观看的视频类型），预测用户A对未接触内容的兴趣值。这种基于概率的推荐模式，构成了早期个性化推荐的技术基础。

相应地，在技术模型层面，2016年抖音上线Wide&Deep模型，将“记忆能力”（历史数据学习）与“泛化能力”（挖掘新特征关联）结合：Wide部分通过线性模型捕捉高频特征（如视频时长），Deep部分借助神经网络挖掘深层关联（如用户停留时长与完播率的潜在关系）。测试数据显示，采用该模型后，用户日均观看时长提升了27%。

面对单一目标（如完播率）导致的优质内容流失，抖音构建了包含12项核心指标的多目标体系：

• 短期行为：点赞、分享、评论等即时反馈；

• 长期价值：收藏频次、复访率、跨场景互动；

• 创作者激励：关注转化率、互动握手模型；

• 生态健康度：原创识别率、低质内容过滤。

（典型案例：知识博主"米三汉"的《红楼梦》解读视频，虽完播率仅42%，但因分享率高达89%、收藏量破百万，最终获得3.2亿曝光。）

也就是说，多目标平衡算法不再仅关注完播率等单一指标，而是通过多目标建模（如长期用户价值、作者成长、平台生态等）综合评估内容，避免过度集中头部内容。

其次，在平台治理层面，构筑了内容安全的三维防护网：

1. 立体拦截的三级审核机制：

• 初审：创作者将内容上传至抖音平台后，均会进入初审识别环节，核心是识别内容是否存在底线风险。经过数年的积累，抖音仅仅在机器审核环节已拥有上百种模型，具有代表性的如血腥模型、自残模型等。

• 复审：通过初审的内容，视频会继续被推荐分发，待视频达到一定播放量级阈值（阈值为波动状态）后，平台会对其召回进行复审。“人工+机器”会按照复审标准进行判断。复审环节的重点判断是内容是否存在不宜过多分发的非底线问题，如画面引人不适等。

• 三审：如果视频通过复审后播放量持续增高，待视频达到更高播放量级阈值（阈值为波动状态）后，平台会第三次召回视频，进行三审研判。其审核逻辑与复审类似，但标准要求更严更高。