网络平台算法如何优化？来看这个实践！

抖音快讯 2025年08月13日 11:34 1 admin

自“清朗·网络平台算法典型问题治理”专项行动开展以来，中央网信办积极督促指导重点平台，对信息推荐算法功能进行针对性优化，对算法规则作出调整。在此背景下，各平台积极响应，通过一系列切实有效的举措，致力于为用户打造更加健康、多元、透明的网络环境。抖音通过提升算法透明度、打破“信息茧房”、完善推荐内容审核等举措，为网络平台算法优化提供实践样本。

提升算法透明度：基于用户行为推荐算法

算法是一种以数学或计算机科学实现自动化的计算方式，常用于计算、数据处理和自动推理。随着互联网技术持续深入生产生活，算法不断被应用于电商、出行、交友等不同属性的平台来解决用户需求。

信息爆炸时代，算法提供了一种与巨量信息相处的方式。推荐系统是一套信息过滤系统，这套系统能实现个性化推荐，给每个用户量身定制一位信息“快递员”，高效、准确地把可能需要的信息推送到用户面前。

通过人工智能深度学习算法，推荐系统不断学习用户的使用行为。每一次刷新、滑动，算法都会从候选内容池中快速对数千条用户可能感兴趣的内容进行排序。排序打分模型会对每条内容进行打分，预估用户对每条内容的点赞、关注、收藏、分享、不喜欢、评论区停留时长等行为，计算用户观看这条内容获得的价值总和，然后进行排序，排名靠前的内容才有机会被推荐到用户面前。

基于深度学习的推荐算法机制，推荐系统被广泛应用于国内外各大主流社交媒体平台。以抖音为例，其推荐系统包含召回、过滤、排序等环节，重点是学习用户行为。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（深宽）模型等。在召回阶段，双塔召回模型将用户特征与内容特征转化为数学向量，通过计算向量间的空间距离，从海量内容中快速筛选出用户潜在感兴趣的内容。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，并把其他人感兴趣的内容推荐给该用户。

目前，抖音算法几乎不依赖对内容和用户打标签，而是应用基于用户行为的推荐方法——排序算法，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，并把排名靠前的内容推给用户。

排序算法基于用户行为推荐，对可能发生的用户行为预测打分。

抖音通过产品功能创新，将透明度提升与用户赋权有机结合。开设抖音安全与信任中心网站，举办开放日活动，以通俗易懂的图文、视频向公众阐释推荐逻辑、干预机制以及治理成效，让用户能够更好地了解平台算法的运行机制，保障用户知情权。

打破“信息茧房”：多目标算法拓宽兴趣边界

从平台运营视角看，单一内容推荐会导致用户体验下降与活跃度流失，这种视角与用户规避“信息茧房”的需求相同，“破茧”也是算法平台的内生动力。

抖音算法以“用户长期价值”为核心目标，通过对用户行为数据的深度学习来预测互动概率。其核心逻辑可简化为一个公式：综合预测用户行为概率×行为价值权重=视频推荐优先级。算法会对点赞、评论、收藏、分享、播放时长等十余种行为进行概率预估。

早期推荐算法多以单一目标（如完播率）为导向，而抖音算法已进化到复杂的多目标体系。该体系涵盖用户体验、内容质量、创作者收益等多元维度。在推荐中长视频时，即便完播率指标可能不占优势，但只要视频在分享、收藏、评论等指标上表现突出，算法依然会为其分配流量。例如，视频《450分钟深度解读〈红楼梦〉》凭借较高的分享率、收藏率等多目标优势，突破短视频流量对完播率的依赖，获得超3亿播放量。

为打破“信息茧房”，抖音在算法目标中设置“探索类指标”。一方面，对用户表现出的兴趣进行多样性打散处理，严格控制相似内容的出现频次。假设用户连续观看3条宠物视频，算法会主动插入科普、美食等非同类内容，避免用户陷入单一兴趣的循环。另一方面，通过随机推荐、社交关系拓展、搜索联动等多种方式，帮助用户发现新兴趣。当用户搜索“摄影技巧”后，算法不仅会推荐相关教程，还会推荐“旅行摄影”“手机修图”等拓展内容，拓宽用户的兴趣边界。

“收藏+复访”“关注+追更”等组合目标的应用，进一步增强了算法对用户长期需求的挖掘能力。当用户收藏健身教程并在一周内多次观看时，算法会判定该内容对用户具有长期价值，进而增加健身知识、运动装备等相关内容的推荐；若用户收藏后仅观看一次，则视为短期兴趣，减少后续推送频率。这种机制既避免了单一兴趣的过度强化，又提升了内容与用户长期需求的匹配度。

同时，升级“使用管理助手”，创新推出内容偏好评估功能，以可视化图表清晰呈现用户近期浏览内容的兴趣分布，用户可以据此直观了解自己的兴趣偏好分布，从而更有针对性地调整内容获取方向；“探索更多”功能则一键拓展推荐内容的多样性，为用户带来更丰富多元的内容体验。

完善推荐内容审核：人工运营为算法保驾护航

抖音构建“人工+机器”协同治理体系，涵盖异常感知、标准定义、机器识别、人工研判、风险处置等全流程，持续优化热点当事人核实机制，防止摆拍造假、仿冒蹭热、拼凑剪接等恶意传播行为。用户上传内容后，首先进入机器识别环节，若被检测出含有血腥、低俗等高危特征，将被直接拦截。未命中高危特征但模型判断存在潜在问题的内容，就会流转至人工审核。人工审核团队由专业人员组成，针对机器识别的疑难点进行研判，例如，对于争议性剧情类视频，人工审核从更复杂的角度进行价值观判断，确保内容符合平台规范。

协同治理体系遵循两大准则：一是流量越高的内容评估次数越多、标准越严格，一条热门视频可能经历初审、复审、三审及运营介入的多层审核，确保高流量内容的质量与合规性；二是“机器负责宽度、人工负责深度”，机器每天对内容进行批量风险过滤，人工则聚焦对高流量、高风险内容的精准研判。

抖音设立专门的标准管理团队，对违法违规、色情低俗、公序良俗等十几类、数百种风险制定细化标准，每条标准均匹配典型案例与执行手册。例如，针对虚假摆拍问题，标准明确界定“刻意编造剧情误导观众”的具体情形，包括模仿突发事件、虚构身份经历等。标准管理团队根据法律法规调整、社会热点变化定期迭代内容，确保平台治理标准与时俱进。

治理流程上，内容审核采用“三审三校”机制：初审识别底线风险，复审判断非底线问题是否适合广泛传播，三审对高热内容进行综合质量评估。此外，视频被举报、评论区出现集中质疑等异常信号，也会触发额外审核。

针对网络暴力、未成年人保护、生成式人工智能技术滥用等焦点问题，抖音成立专项治理团队。以网络暴力专项治理团队为例，网络暴力治理面临以下难题：施暴者、受害者、旁观者等角色难区分；场景广泛，涵盖短视频、直播间、评论区、账号主页等；传播方面具有突发性、密集性和破坏性等特征；此外，还存在概念难界定、时效难保证、单个平台难根治等问题。针对上述问题，网络暴力专项治理团队以“防护、打击、教育”为关键词，通过主动识别潜在网络暴力受害者并推送预警、分级干预风险账号、设置防网络暴力专区，为其提供工具进行防护；通过重点打击侮辱威胁、煽动围攻及侵犯隐私等三类施暴者，结合人工智能与人工治理，持续打击施暴行为；通过发布治理规范、发起反网络暴力倡议及案例宣传提升公众关于网络暴力的认知。另外，针对重点场景和人群，打造专属功能，为受害者提供心理关怀、法律咨询援助等帮助。

综上，算法推荐系统的良好运转离不开人工运营的参与。从算法原理的公开，到多样化机制的探索，再到平台治理的全方位护航，一系列算法治理举措不仅提升了用户体验，助力破解“信息茧房”困局，也保障了内容的真实可靠与健康向上。未来，随着技术的不断进步与网络环境的持续变化，共建清朗网络空间需要更多平台与网友的积极参与，各方携手推动互联网行业高质量发展，为营造风清气正的网络空间持续贡献力量。

来源：中国网信杂志