短视频软件开发，推荐算法没有想象的那么复杂

推荐算法是现在大厂的研究方向，在短视频软件开发和直播平台这种非常重视用户观看体验的平台上，与推荐相关的业务变的尤其重要，推荐算法的应用很广泛，简单来说可以分为召回阶段和排序阶段两个部分，短视频软件开发的推荐也可以从这两个方面入手。

一、召回架构

召回上来看，其实准确率并不高，只是通过简单地模型或方法来进行用户喜好模拟，具体的方法有：

1、协同过滤，通过推荐算法进行用户喜好模拟，协同过滤比较注重时间，短期内用户的喜好观察并不能做为最终的用户推荐方案，对短视频软件开发来说，用户的喜好是善变的，今天喜欢的可能明天就不喜欢，所以召回架构还要考虑实时性，总不能一直用过期的没用信息

2、基于用户搜索记录，通过相似度的算法计算和用户搜索记录比较接近的标签，返回一定的数据，可以准确获取用户近期在短视频软件上看到的视频内容

3、通过用户画像确定标签，使用标签来量化用户属性，达到描述用户的目的，为短视频软件开发提供更多用户信息

二、排序阶段

排序阶段是对召回架构获取信息的补充，通过这些信息来让用户的喜好更加清晰，比如，A用户喜欢看游戏类视频，推荐给它123三种不同类型的游戏视频，通过完播率等信息确定用户更细致的喜好，不断的缩小喜好圈子以达到短视频软件开发垂直化领域内发展的目的。

不论是召回架构还是排序阶段都有一个共同的问题，需要注意信息的实时性，用户喜好的变化速度很快，尤其是在短视频软件开发这样的平台，内容过于丰富导致垂直领域内用户喜好难以发现。

不过召回架构和排序阶段也存在弊端，比如用户喜好变化阶段，平台并没有那么智能，还会按照之前的推荐内容继续推荐，就导致用户无法看到自己喜欢的内容，降低使用短视频软件开发的兴趣。

短视频软件开发在大数据功能上的使用是必须的，所以对于召回的弊端，平台要更加灵活的处理，提高平台对用户喜好的掌握程度。

声明：以上内容为云豹科技作者本人原创，未经作者本人同意，禁止转载，否则将追究相关法律责任www.yunbaokj.com