北京4月17日电（记者王艳刚）推荐算法的出现，得益于人工智能技术。近二十年来，机器学习尤其是深度学习的进步，让人工智能大规模应用于信息分发成为可能。15日，在北京举行的抖音“安全与信任中心开放日”上，抖音算法工程师刘畅等详细讲解了抖音算法原理和算法特点。
据介绍，推荐算法作为人工智能机器学习技术的重要应用场景，本质上是一套高效的信息过滤系统。在抖音的实际应用中，推荐系统采取“人工+机器”协同的方式进行风险治理，通过人工运营和治理体系为算法导航；同时多目标体系算法能主动打破“信息茧房”，为用户带来更丰富多元、实用可靠的推荐结果。
刘畅表示，抖音的推荐算法与国内外大部分内容推荐平台相似，包含召回、过滤、排序等环节，重点是学习用户行为。
目前，抖音算法已几乎不依赖对内容和用户打标签，而是通过神经网络计算，预估用户行为，计算用户观看这条内容获得的价值总和，把排名靠前的内容推给用户。
刘畅表示，为引导算法打破“信息茧房”，抖音算法在多目标建模体系下，设置了专门的探索维度。一是对用户在平台上已经表现出的兴趣，尽可能推荐更多样的内容，通过多样性打散、多兴趣召回、扶持小众（长尾）兴趣等方法控制相似内容出现的频次；二是帮助用户探索更多新兴趣，采用随机推荐、基于用户社交关系拓展兴趣、搜索推荐联动、“不感兴趣”不再展现等多种方式，让用户的主动行为影响推荐系统，使推荐更加个性化和多样化。
据抖音生态运营经理陈丹丹介绍，抖音的内容治理体系是“人工参与+机器学习”相结合的模式，并组建了专门的平台治理团队为算法设置“护栏”。