1月11日，今日头条在总部举办了一场推荐算法交流会，因为报名人数远远超过了预期，交流会还临时换了场地。
据介绍，阿里、腾讯、百度、美团、新浪、网易等科技公司的算法工程师和产品经理都去了。看来大家对今日头条到底用了什么推荐算法，那是相当的好奇。
在当天的交流会上，今日头条资深算法架构师、中国科学技术大学计算机博士曹欢欢带来了题为《让算法公开透明》的分享，首次面向行业公开算法原理。
今日头条资深算法架构师曹欢欢讲解今日头条算法原理
他表示：“算法分发并非是把所有决策都交给机器，我们会不断纠偏，设计、监督并管理算法模型。希望这次分享能让更多的人理解算法，并共同参与到算法模型的制定中来，以改善算法，更好的为用户服务，让算法为社会创造更大的价值。”
据曹欢欢介绍，今日头条旗下几款产品都在沿用同一套大的算法推荐系统，但根据业务不同，每套系统的架构会有所调整。 曹欢欢在现场的PPT里公布了头条使用的五种推荐算法，包括传统的协同过滤模型，监督学习算法Logistic Regression模型，基于深度学习的Factorization Machine，以及DNN和GBDT。 曹欢欢介绍说，现在很难有一套通用的架构模型适用于所有的推荐场景，所以很多公司会做多个算法的组合，比如现在很流行将LR和DNN结合，甚至前几年Facebook也是将LR和GBDT算法做结合。今日头条也基本是一套大算法，根据业务不同再具体调整结构。 在解释了算法之后，曹欢欢进一步解密了头条的推荐如何工作。曹欢欢表示，主要有四类最重要的用户特征，将会输入给算法，影响到推荐算法的工作。
第一类是相关性特征，就是评估内容的属性和维度与用户是否匹配。显性的匹配包括关键词匹配、分类匹配、来源匹配、主题匹配等。像FM模型中也有一些隐性匹配，从用户向量与内容向量的核心距离可以得出。 第二类是环境特征，包括地理位置、时间。这些既是bias（基础）特征，也能以此构建一些匹配特征。 第三类是热度特征。包括全局热度、分类热度，主题热度，以及关键词热度等。热度信息在大的推荐系统特别在冷启动的时候非常有效。 第四类是协同特征，它可以在部分程度上帮助解决所谓算法越推越窄的问题。协同特征并非考虑用户已有历史。而是通过用户行为分析不同用户间相似性，比如点击相似、兴趣分类相似、主题相似、兴趣词相似，甚至向量相似，从而扩展模型的探索能力。
分享过后，曹欢欢在还解答了各位对算法的疑问，包括今日头条如何实现冷启动，广告和内容该怎样平衡，怎样准确地拓展用户兴趣图谱等切实的工程性问题。同时，也听取了大家对今日头条算法的意见和建议。
更多内容36氪还会陆续放送……
