抖音里分享里的朋友是怎么排序的(抖音里分享里的朋友是怎么排序的怎么弄)

时间:2023-07-18来源:金符游戏作者:佚名
抖音的上热门的方法类似于威尔逊得分排序算法,但是远远又比威尔逊得分排序算法更复杂。

大概就是:

机器审核+人工双重审核。

当一个视频初期上传,平台会给你一个初始流量。如果初始流量之后,根据点赞率,评论率,转发率,进行判断:该视频是受欢迎还是不受欢迎,如果第一轮评判为受欢迎的,那么他会进行二次传播。

当第二次得到了最优反馈,那么就会给与推荐你更大的流量。

相反,在第一波或者第N波,反应不好,就不再推荐,没有了平台的推荐,你的视频想火的概率微乎其微,因为没有更多的流量能看见你。

你的视频火的第一步是被别人看见,第一步就把路给走死了,后续也只能依靠朋友星星点点的赞。

其实,不难看出这个抖音推荐机制算法背后思维逻辑:流量池,叠加推荐,热度加权及用户心理追求。

下面还是来了解一下威尔逊得分(Wilson Score)排序算法吧!



威尔逊得分排序算法,Wilson Score,用于质量排序,数据含有好评和差评,综合考虑评论数与好评率,得分越高,质量越高。

抖音里分享里的朋友是怎么排序的(抖音里分享里的朋友是怎么排序的怎么弄)


u表示正例数(好评),v表示负例数(差评)。n表示实例总数(评论总数),p表示好评率,z是正态分布的分位数(参数),S表示最终的威尔逊得分。z一般取值2即可,即95%的置信度。

正太分布的分位数表:

抖音里分享里的朋友是怎么排序的(抖音里分享里的朋友是怎么排序的怎么弄)


算法性质:

性质:得分S的范围是[0,1),效果:已经归一化。适合排序性质:当正例数u为0时,p为0,得分S为0;效果:没有好评,分数最低;性质:当负例数v为0时,p为1,退化为1/(1 + z^2 / n),得分S永远小于1;效果:分数具有永久可比性;性质:当p不变时,n越大,分子减少速度小于分母减少速度,得分S越多,反之亦然;效果:好评率p相同,实例总数n越多,得分S越多;性质:当n趋于无穷大时,退化为p,得分S由p决定;效果:当评论总数n越多时,好评率p带给得分S的提升越明显;性质:当分位数z越大时,总数n越重要,好评率p越不重要,反之亦然;效果:z越大,评论总数n越重要,区分度低;z越小,好评率p越重要;




引用资料:

http://www.lzhpo.com/article/115

https://m.jianshu.com/p/4d2b45918958

https://blog.csdn.net/mao15827639402/article/details/104714980

https://m.fujieace.com/php/algorithm/score.html

以上就是抖音里分享里的朋友是怎么排序的的全部内容,希望能够对大家有所帮助。

相关阅读

更多+

最新手机软件