待验证50% 置信事实精确时间
B站的推荐算法依赖用户行为序列构建兴趣画像,新账号初始推荐泛化,集中观看三四十个目标分区视频可快速将账号向量拉向特定兴趣簇。
1
来源数
50%
置信度
长期有效
时效性
2026/10/28
首次发现
来源
涉及实体
相关事实
待验证推荐算法本质上是注意力分配引擎,将有限的用户注意力优先分配给已产生高参与度信号(转发、点赞、评论、停留时长)的内容71% 相似待验证TikTok/抖音的推荐算法基于多层漏斗模型,新视频先推送给小规模种子用户(约200-500人),根据完播率、点赞率、评论率、转发率和停留时长计算初始权重69% 相似待验证抖音、微信公众号等内容平台采用「兴趣推荐+冷启动流量池」的分发模型,新内容先获得种子流量,根据完播率、互动率等指标决定是否进入更大流量池68% 相似待验证WonderClip首页推荐流根据用户行为画像(如播放时长)进行智能推荐排序。68% 相似待验证当平台推荐算法成为内容能否被看见的决定性因素时,创作者不得不围绕算法偏好调整选题、时长、封面和叙事节奏65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1107776API
curl https://kongchang.com/api/v1/knowledge/claims/1107776MCP
get_claim(id=1107776)