3分钟了解今日头条算法原理(科普版),附高清视频
今日头条是一个非常火的自媒体平台，你有没有发现你在今日头条永远可以刷到感兴趣的内容，这是为什么呢？这要归功于今日头条后面强大的算法系统。今日头条资深算法架构师曹欢欢博士，为了消除外界对今日头条算法的误解，于是公开了今日头条的算法原理，文章末尾通过视频方式的方式为大家科普今日头条算法原理，供大家参考学习。（文章末尾附高清视频）
今日头条算法原理
1、典型推荐算法
今日头条内容推荐系统，实际上就是设计一个用户对内容满意度的函数，这个函数需要设计三个维度的变理：
第一个维度是内容，头条内容包括图文、视频、UGC小视频、问答、微头等不同类的内容，不同类型的内容都有着自己特征，系统需要考虑的是如何提取不同内容类型的特征向用户做好推荐；
第二个维度是用户特征，包括用户兴趣标签、职业、年龄、性别等，还要挖掘用户隐藏兴趣等；、
第三方维度就是环境特征，这也是移动互联网的特征，用户会随时随地移动，场景包括公司、通勤、旅游等，不同的场景，用户偏好也会有所不同；
根据以上三个维度，系统会给出一个预估，即预估在此场景推荐此内容给用户是否合适。
大规模推荐模型在线训练，越用越准。
2、大规模推荐模型在线训练算法
头条大规模推荐模型在线实时训练，这套算法对于信息流产品是非常重要的，用户行业信息被系统捕捉并反馈至下一刷推荐内容。
头条线上目前基于storm集群实时处理样本数据，包括点击、展现、收藏、分享等动作类型，模型参数服务器是内部开发的一套高性能的系统，因为头条数据规模增长太快，类似的开源系统稳定性和性能无法满足，而我们自研的系统底层做了很多针对性的优化，提供了完善运维工具，更适配现有的业务场景。
目前，头条的推荐算法模型在世界范围内也是比较大的，包含几百亿原始特征和数十亿向量特征。整体的训练过程是线上服务器记录实时特征，导入到Kafka文件队列中，然后进一步导入Storm集群消费Kafka数据，客户端回传推荐的label构造训练样本，随后根据最新样本进行在线训练更新模型参数，最终线上模型得到更新。这个过程中主要的延迟在用户的动作反馈延时，因为文章推荐后用户不一定马上看，不考虑这部分时间，整个系统是几乎实时的。
3、召回策略设计算法
由于头条要处理的数据太大了，加上头条小视频内容，要处理的内容有千万级别，内容推荐不可能全部由模型预估，所以就需要设计召回策略，每次向用户推荐的内容都是从海量内容中筛选出来的，召回策略重要的设计是性能处理要求是极致，一般超时不能超过50毫秒。
原创文章：《3分钟了解今日头条算法原理(科普版),附高清视频》，作者：林云SEO，如若转载，请注明原文及出处：https://www.tang-seo.com/10736.html
