抖音算法是如何推荐的
算法推荐的前提可以归结为一个词：断物识人。
只有当算法知道了内容的属性和人的喜好，才能做匹配。在图文时代，识别一篇图文内容，可通过文本分析和图片识别的方式来辨别，结合文章作者的属性，可以对文章有一个大概的判定。对于用户，可以通过他的基本信息和他的阅读习惯判断出来。
一旦完成了内容语义的识别和用户兴趣的判断，把内容推荐到指定用户的面前就可以了。为了判断内容的价值和优化推荐的准确性，头条会分级别的推荐，这也就是大家常说的500、5000流量池概念。
这是推荐的基本逻辑，要做到准确高效的分发需要更多算法原理的结合。对于头条系的产品来说，协同过滤是其中非常重要的一个推荐原理。
协同过滤分为基于人的协同过滤和基于物的协同过滤两种，对于抖音来说，因为视频内容识别起来没有图文那么简单，所以基于人的协同过滤占比更大一点。接下来说抖音的“以人为本”。
先举个例子：A和B具有相同的喜好，系统会把A喜欢的视频推荐给B，因为从“人以群分”这个角度B应该也喜欢。这就是协同过滤的基本原理。
抖音的推荐逻辑中，基于人的协同过滤占了很大比例，所以才会出现越是被人点赞的视频会得到越多的曝光，越是没人点赞的视频系统越不推荐。
同样的，账号的标签在整个短视频营销中非常重要，这也才有了做抖音要“养号”这个流传甚广的说法。有没有养号这一说我不敢下定论，账号标签这个重要性我是非常认同的，当你账号有了标签，系统才能知道你发布的内容应该被推荐给什么人。视频只有被正确推荐了，才能得到有效的反馈，系统才会加大对你的视频的推荐力度。这又是个良性闭环。
