027 低调校花吴小满

  他非常感兴趣，一拍即合，同意来蝴蝶效应当算法负责人。

  当他入职后，就能谈更深层次的技术方案了，面试时不方便聊太深。

  夏伟直接给出第一版算法思路，让他落地实现，具体动作很简单：

  第一步：先解耦字节的“资讯推荐算法”与“分布式机器学习平台”的核心模块，保留底层架构不变，节省90%的底层开发成本；

  第二步：重构內容理解模块，打破图文场景局限；

  摒弃原资讯算法依赖的正文关键词、段落语义等特徵，转为提取短视频核心动作特徵。

  再通过图像识別、音频解析、提取视频封面特徵、bgm曲风、画面场景標籤等元素，完成內容侧的场景適配；

  第三步，搭建个性化兴趣推荐筛选体系，精准筛选出用户可能喜欢的视频。

  一方面，通过用户过往刷过、点讚、停留过的视频，推算出他长期喜欢的內容；

  另一方面，捕捉用户当下刷视频的行为，更新短期兴趣。

  从而做到“长期+实时”的双重兴趣捕捉，精准匹配每一个用户的口味。

  第四步：將用户兴趣標籤、短视频內容特徵，结合短视频专属行为数据——如：三秒留存、完播率、播赞比等。

  输入浅层dnn模型，进行深度学习与重训，不断优化兴趣匹配权重。

  ——这样，就能实现两套技术的合二为一，落地全球第一版个性化短视频兴趣推荐算法。

  ——从而实现“千人千面”的个性化內容推送。