个性化推荐的新突破：抖音解锁用户行为学习上限
过去，人们会有一个误解：手机APP是通过窃取用户个人隐私来形成用户画像、了解用户，从而为其提供定制化服务。 实际上，算法是通过行为来了解用户的。在抖音App里，你看过的每
专题阅读脉络
按原资料、研究方法与延伸材料对照研读。
- 作品与账号重要数据指标抖音
- 账号研究方法多平台研究方法
- KuaiRand：随机曝光与反馈信号快手 · 跨平台研究
- 动手学数据分析通用研究
馆藏资料
16 项资料大模型重塑下一代推荐系统：抖音的探索
近年来，大语言模型（LLM）以势不可挡的姿态崛起，成为技术领域的重要驱动力量：从自然语言处理到计算机视觉，各个领域都在借助大模型实现升级迭代。推荐系统作为连接用户与内容的
用算法驱动算力：抖音如何打造更高效的推荐大模型
数亿用户每日打开抖音、徜徉在丰富的内容中时，信息流背后的推荐算法也在持续进化。抖音的算法团队一直致力于让抖音推荐系统变得更“聪明”，也就是推得更准、也推得更好。在大模型时
2秒跳出率
通过原文入口研读，保留资料原有时间与语境。
作品与账号重要数据指标
通过原文入口研读，保留资料原有时间与语境。
数据指标与涨粉
通过原文入口研读，保留资料原有时间与语境。
抖音数据诊断
使用账号自身基线诊断抖音作品流量，区分内容、受众、搜索、原创和治理信号。
账号研究方法
账号资料、样本、统计口径与研究检查。
评论研究方法
评论样本、分页、主题观察与分析边界。
同类账号比较方法
同类对象、可比样本与比较口径。
数据样本与导出方法
分页、去重、成本估计与数据导出说明。
KuaiRec：完整曝光与反馈研究
原项目说明、样本与字段、原研究资料。快手跨平台研究，样本时间与定义以原文为准。
KuaiRand：随机曝光与反馈信号
原项目说明、样本与字段、原研究资料。快手跨平台研究，样本时间与定义以原文为准。
推荐系统中文进阶课程
Datawhale现成中文课程，按原课程章节延伸阅读。
动手学数据分析
Datawhale中文课程，数据观察、清洗、重构与可视化。
竖屏视频分类研究
竖屏视频分类与论文入口，数据部分限非商业研究，本站提供原文入口。
