91书院(91shuyuan.com)更新快，无弹窗！
，就能扩大N倍的可能。”张一名抓重点的能力非常之强。</P>
“单屏多个视频对于长视频或许还算合理，放在短视频上是完全不行的。对于长视频来说，每一次都可能需要耗费五到二十分钟，用户一个小时可能也只需要选择三五次，这个频率还可以接受。但短视频的黄金时长是15到45秒，如果不能做到很好的推荐，用户每分钟都要进行两次选择，疲倦感会非常强的。”孟繁岐知道张一名抓住了重点，但他完全不支持单屏N个视频去放大N倍可能的方式。</P>
“要知道我们现在的打工人们，连中午吃什么都是世纪难题，选择其实是非常困难的一件事。”</P>
企鹅系的副总曾公开说短视频是猪食，考虑到那时候企鹅系微视被抖音快手暴打，这话里有不少恼羞成怒，得不到我就骂的成分。但从某种程度上，猪食这话虽然不好听，却也说出了短视频的一部分特性。</P>
那就是很多用户看短视频就是来放松享乐的，你视频这么短，每次都推六七个让用户选，一小时让人选一百多次，谁能受得了啊？短视频就像是小白文，很多时候用户不想带脑子来看。</P>
“单屏单视频自动播放，可以做到每个短视频之间的无缝衔接。不过这样操作的话，推荐质量就相当重要了，因此我才说推荐系统算法的技术是重中之重。若非多次验证了效果，我们也没有那个胆子敢应用这种模式不是。”孟繁岐因为深知短视频平台的体量，在现阶段是做了大量对比测试的。</P>
常见的推荐算法粗分的话大致可以分为三类：基于内容的推荐算法，协同过滤推荐算法和混合推荐算法。</P>
第一种，基于内容的推荐算法，原理是根据用户喜欢的和关注过的内容，推荐类似的视频给用户。比如电影的续集，同一作者的其他作品等。这些视频在内容上有较大的关联，称之为基于内容的办法。</P>
第二种，协同过滤，则是通过不同用户之间的相似性。如果有几十个用户，他们关注和感兴趣的内容特别相似，重合度很高，比如达到8成。那么推荐算法就会把2成不重合的那一部分，抽出来推荐给圈内的其他人看看。</P>
因为兴趣太过相似，一个用户感兴趣的东西，很可能在这个圈子当中其他人也会感兴趣，这是个相当合理的推测，类似于圈内好友推荐。</P>
有时候，大家猛地发现，前几天才和朋友谈论过的东西，怎么今天就出现在我的推荐里面了？细思极恐，我是不是被监听了？</P>
虽然的确有App会恶意使用权限监听，但这样做的成本是很高的，容易得不偿失。更大的可能其实还是你被协同过滤推荐了。</P>
伱的朋友发现了一些好东西，刚跟你聊了几句推荐了一下；但与此同时，他的购买和浏览情况也被统计，作为好友圈中的人，你被协同过滤推荐了。</P>
再加上现在好多个平台之间数据都有所串通，经常会有跨平台推荐的事情发生，就会显得有些推荐结果格外让人背后一凉。</P>
比如你在值乎等地方看了大量耳机相关的测评和推荐，反过来阿狸系的App里就开始给你推同价位的耳机让你消费。</P>
便利了生活的同时，也会很容易让人有被窥视的感觉，觉得自己的隐私被泄露，感到非常不爽。</P>
理性一点去看待，现在人们每天产生的数据量仍在飞速增长，个人是肯定没有那个精力去细究具体到某一个人的隐私内容的。</P>
不过由于许多公司管理自己数据库的方式非常不规范不安全，导致被人拖库的事情时有发生。整个数据库直接被黑客取走，用户的一切敏感信息都被获取，作为商品被反复倒卖。</P>
数次大型信息泄露事件过后，也导致了【人肉】别人变得越发容易，网友们相互开盒，不亦乐乎。</P>
不过这些问题，却也不是孟繁岐现在有什么办法可以改变的了。</P>
至于第三种混合推荐方式，则是将之前两大类通过一些方法综合考量，融合起来。</P>
毕竟单独考虑内容和协同过滤都是不够周全的，前者可以避免冷启动问题，也就是如果用户没有跟一个种类的视频互动过，那么这类视频就会很难被推荐到。不过基于内容的推荐很可能会陷入重复套娃当中，点多了之后就不会推别的内容给用户。看几个萌宠视频就掉进猫窝出不来了。</P>
后者根据用户互动数量的增