原标题：2021年“十大突破性技术”深度解读——​TikTok 推荐算法

　　2021 年 2 月 24 日，MIT Technology Review 一年一度的 “十大突破性技术” 榜单正式对外发布。自 2001 年起，该杂志年年都会评选出当年的 “十大突破性技术”，这份在全球科学技术领域举足轻重的榜单曾精准预测了脑机接口、量子密码、灵巧机器人、智慧传感城市、深度学习等诸多热门技术的崛起。

　　本年度 MIT Technology Review “十大突破性技术” 分别为：mRNA 疫苗、生成式预训练模型、数据信托、锂金属电池、数字接触追踪、超高精度定位、远程技术、多技能型人工智能、TikTok 推荐算法和绿色氢能。

　　为了让广大读者进一步探索这十项技术的科学价值及其背后的科学故事，国家自然科学基金委员会特邀请各领域著名科学家分别对其进行深入解读，以激发科研人员的创新思维，并促进科学界的学术交流。

　　TikTok 是全球最具吸引力、增长最快的社会化媒体平台之一。截至目前，TikTok 在全世界内已超过 26 亿次下载量，在美国拥有 1 亿用户。TikTok 发现和提供内容的独特方式是其具有吸引力的 “秘密武器”。

　　TikTok 将网红博主的视频与新人博主的视频混合放在 “为你推荐” 页面，然后以浏览量奖励优质创作内容，用这种方式将更多新人博主的视频推给广大用户。

　　该应用不同于其他社会化媒体平台的是，任何人在 “为你推荐” 页面都可能会 “一举成名”。视频将通过 TikTok 的推荐算法向与视频博主有共同兴趣、爱好或特定身份的用户不断推荐，从而使优质的创作内容快速传播。

　　视频博主有多少粉丝、是否走红过等因素并不会作为 TikTok 推荐算法的判断依据，它的推荐取决于视频标题、声音和标签，结合用户拍摄内容、点赞过的视频领域等进行推荐。

　　概括来说，TikTok 增强用户粘性的技能越来越 “炉火纯青”，不仅仅可以精准地为用户推荐感兴趣的视频，还能通过推荐算法帮他们拓展与其有交集的新领域。

　　专家简介：刘奕群 清华大学计算机系教授、党委书记。主要研究领域集中在信息检索、互联网搜索技术和自然语言处理研究方面。担任信息检索领域知名国际期刊 Foundations and Trends in IR 主编、信息检索领域重要会议 ACM SIGIR2018（CCF A）程序委员会主席等学术职务。获得北京智源学者、北京市科技奖一等奖、钱伟长中文信息处理科技奖一等奖等奖励，并作为项目负责人获得国家重点研发计划、国家自然科学基金委员会优秀青年科学基金和重点基金支持。

　　专家简介：张敏 清华大学计算机系特别研究员，清华大学计算机系人工智能实验室副主任。主要研究领域为互联网搜索、个性化推荐、用户建模及机器学习应用。担任顶级国际期刊 ACM Transactions on Information Systems (TOIS) 主编、信息检索重要学术组织 ACM SIGIR 执行委员会成员。发表的学术论文引用累计 6000 余次。

　　随着互联网应用水平的提高，用户对于互联网内容的需求越来越具体和精准，这使得个性化的信息服务慢慢的受到用户的青睐。个性化推荐旨在对用户的特定兴趣偏好和需求来做理解，并进而满足这种不一样的信息需求。近年来，个性化推荐越来越成为学术研究和实际应用中的热点领域。

　　个性化推荐的目的，是为用户更好的提供符合其兴趣或需求的内容，例如商品、电影、音乐、视频、新闻、图书、旅游景点、课程、餐馆等等。

　　而衡量个性化推荐结果好坏的评价指标，除了人们所容易想到的精准度 (Precision) 以外，还包括多样性 (diversity)、新颖性 (novelty)、惊喜性 (serendipity)、可解释性 (explainability)，以及近几年来新提出的公平性 (fairness)。个性化服务的目的，也从传统的满足大众普遍的爱好，越来越强调满足长尾用户、个体用户的细分的兴趣领域。

　　为用户提供符合兴趣需求的细致划分领域的内容（niche item，与热点内容 popular item 相对），就成为近些年来人们提出的一个挑战性的也是重要的问题。

　　这一点在社会化媒体应用中体现得尤其明显。TikTok 是近年来新兴起的以短视频为主的社会化媒体平台，上涨的速度极快，目前在全世界内已超越 26 亿次下载量，在美国拥有 1 亿用户，被认为是全球最具有吸引力的社会化媒体平台之一。

　　TikTok 将新博主的视频和网红博主的视频混合放在 “为你推荐” 频道，以浏览量来奖励优质创作内容，因而任何人都可能会在该平台上 “一举成名”。

　　由于其所使用的推荐算法会将视频推送给与视频博主有相似的兴趣、爱好或特定身份的用户，这种 “投其所好” 的行为很大程度上鼓励了视频被观看，因而使优质的创作内容快速地传播。

　　在算法中，作为推荐依据的不仅仅靠博主的粉丝数、是否有过热门视频，更重要的还有视频标题、声音、内容标签属性等等，与用户观看或点赞过的视频、拍摄过的内容等的细分的兴趣领域相结合，基于个性化推荐领域经典的协同过滤及内容推荐方法做出最终的推荐因此 TikTok 不仅仅可以精准地为用户推荐感兴趣的视频，还能通过推荐算法帮他们拓展其可能感兴趣的新的细致划分领域的内容，从而提升了用户在新颖性和惊喜性方面的需求。

　　TikTok 的推荐算法入选 MIT Technology Review 2021 的 “全球十大突破技术”，正是因为算法满足了每位个体用户的具体的细分兴趣需求，而不再仅强调追随热点的 “从众效应”。

　　其实这一评选结果也是对近几年来国际社会越来越关注的推荐系统的 “公平性” 问题的直接反映。

　　从 2012 年起，研究者们开始发现和讨论不同推荐场景下存在的公平性问题。例如，在工作推荐场景中，与同能力水平的男性相比，女性可能会被推荐薪酬较低的工作岗位；在电影推荐场景中，不同性别、年龄的人可能会被推荐不同质量的电影；在图书推荐场景中，女性作者的书籍在评分上受到不公平的对待等。

　　2019 年还有研究者提出基于热门内容的推荐会带来推荐系统的偏差，将其称为 “热点偏差”（Popularity bias）。推荐系统中的不公平性不仅存在于信息的接受者即观看内容的用户端，还存在于信息的创造者即发布内容的用户端，例如在传统方法中非网红明星的优秀品质的内容提供者的作品被推荐的机会往往不如明星的作品多。

　　2021 年，“公平性” 慢慢的变成了信息检索领域主流学术会议（如 SIGIR，theWebConf 等）中最热点的研究话题之一，相关研究慢慢的开始受到广泛的重视。目前研究界和产业界慢慢的开始提出越来越多用于解决或至少缓解推荐系统公平性的模型和方法。

　　从用户公平性和内容公平性的两个角度来推进，分别从数据、模型、结果、评价指标等多个层面来优化。除了个性化推荐的算法以外，不少经济学和社会科学的理论和知识也被综合利用进来，例如经济学的帕累托优化方法、边际效益、最低工资、嫉妒公平等理论、社会学的基尼系数、垄断指数等等。

　　因此，TikTok 推荐方法中，非知名新博主的新作品与网红明星的视频一样有机会被广大新老用户所看到，是推荐算法在公平性方面的一个代表性的成功的产业应用。随着相关领域研究者和产业界的共同努力，将会有更多精准的、多样的、新颖的、惊喜的、可解释的、公平的推荐方法得到发展，互联网个性化信息服务的质量也必然会慢慢的好。