待验证60% 置信事实精确时间
LinkedIn的相关性算法综合考量内容发布后短时间内的互动率、用户关系强度及内容与受众兴趣的匹配程度来决定分发权重
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/12
首次发现
有效期至：2026/10/10(已过期)
来源
AI内容泛滥社交媒体：LinkedIn为何成重灾区？
hackernewshackernews2026/7/9
相关事实
待验证TikTok的推荐机制基于内容质量信号（完播率、互动率、分享率等），发布频率和账号活跃度也是影响内容分发权重的重要因子72% 相似待验证推荐算法基于点击率、停留时长和互动率优化会导致流行度偏差（Popularity Bias），使吸引眼球的内容获得更多曝光70% 相似待验证当前主流推荐系统普遍采用基于参与度的排序（engagement-based ranking），以点击率、停留时长、互动率作为内容质量的代理变量，存在与真实内容质量错位的参与度陷阱69% 相似已验证社交媒体平台的推荐算法核心优化目标是用户参与度，这种机制天然偏好视觉冲击力强、情绪唤起度高的内容，导致算法审美趋同现象67% 相似待验证高互动率（点赞、收藏、转发）会提升视频推荐权重，三连送额度是流量变现套路66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489008API
curl https://kongchang.com/api/v1/knowledge/claims/489008MCP
get_claim(id=489008)