待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证现代社交平台的推荐系统通常基于协同过滤、深度学习排序模型等技术，需要持续大量的新内容输入来维持推荐的多样性和时效性78% 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76% 相似待验证抖音采用去中心化推荐算法，核心指标包括完播率、点赞率、评论率和转发率74% 相似待验证内容丰富度与个性化推荐质量常呈反比：内容库越大的App越依赖固定分类，小众精品App反而能做更贴合当前情绪状态的推荐72% 相似待验证个性化推荐能力越强越省选择成本，但也意味着APP采集更多行为数据，隐私与智能推荐之间存在权衡；追求精准推荐可接受数据采集者选Calm/Headspace，介意者选内容库开放浏览的Insight Timer自主挑选72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/892900API
curl https://kongchang.com/api/v1/knowledge/claims/892900MCP
get_claim(id=892900)