抖音安全與信任中心近日在官網推出了一項名為“體驗算法”的全新互動板塊，通過動態交互方式向公眾展示其推薦算法的運作邏輯。這一創新科普形式結合了可視化動畫與操作體驗，即使是沒有技術背景的用戶，也能輕松理解一條視頻從上傳到被推薦的全過程。用戶只需通過抖音官網或App搜索“看得懂的算法”，即可進入這一沉浸式學習模塊。
面對每日超過一億條的新內容上傳量，抖音的推薦系統需要在海量視頻中快速匹配用戶興趣。其核心流程分為召回與排序兩個階段：在召回階段，系統采用雙塔模型進行初步篩選，用戶可通過模擬不同角色，觀察算法如何計算虛擬用戶與視頻的匹配度。例如，“興趣時鐘”功能會展示時間對推薦的影響——清晨可能推送新聞類內容，而晚間則側重娛樂視頻。
進入排序階段后，系統會從數千條候選內容中進一步精選。這一過程依賴Wide&Deep模型：Wide部分基于用戶歷史行為進行“記憶式”推薦，例如常觀看科技視頻的用戶會收到相關領域內容；Deep部分則通過深度學習挖掘潛在興趣，可能推薦用戶尚未直接關注但可能感興趣的新興內容。最終，模型通過融合計算得出排序分，得分最高的視頻將獲得優先展示。
為避免推薦結果過于單一，算法還引入了打散與多樣性調節機制。在互動演示中，用戶可通過調整“隨機擾動強度”觀察推薦列表的變化——當擾動強度增加時，系統會主動插入不同領域的內容，打破“信息繭房”效應。這種設計既保留了用戶的核心興趣，又通過適度探索幫助其發現新內容，形成了“精準推薦+多元探索”的平衡邏輯。
