好友推薦演算法

Ⅰ 抖音推薦好友根據什麼

是根據通訊錄的好友來推薦的。抖音做實名制的時候都需要綁定手機號，同時抖音還會訪問你的手機sim卡信息、通訊錄信息，推薦你可能認識的人，這是大數據時代下很容易做的一件事情。

而且現在抖音的演算法還在不斷的細化、調整和升級，以後對於人群畫像的區分就更加細致了，大家就很輕松能夠找到自己喜歡看的人。

Ⅱ 快手好友推薦是看過你的人嗎

不是。好友推薦是根據通訊錄、微信和好友的好友來推薦的。

快手是北京快手科技有限公司旗下的產品。快手的前身，叫「GIF快手」，誕生於2011年3月，最初是一款用來製作、分享GIF圖片的手機應用。

2012年11月，快手從純粹的工具應用轉型為短視頻社區，用於用戶記錄和分享生產、生活的平台。後來隨著智能手機、平板電腦的普及和移動流量成本的下降，快手在2015年以後迎來市場。

在快手上，用戶可以用照片和短視頻記錄自己的生活點滴，也可以通過直播與粉絲實時互動。快手的內容覆蓋生活的方方面面，用戶遍布全國各地。

在這里，人們能找到自己喜歡的內容，找到自己感興趣的人，看到更真實有趣的世界，也可以讓世界發現真實有趣的自己。

快手的推薦演算法用一個簡短版本說，演算法核心是理解。包括理解內容的屬性，理解人的屬性，人和內容歷史上的交互數據，然後通過一個模型，預估內容與用戶之間匹配的程度。

Ⅲ 抖音新好友推薦根據什麼邏輯

抖音新好友推薦根據三個邏輯，分別是：基礎流量、疊加推薦、時間效應。

一、基礎流量

抖音給每一個作品都提供了一個流量池，無論你是不是大號、作品質量如何。你之後的傳播效果，就取決於你的作品在這個流量池裡的表現。因此，我們要珍惜這個流量池，想辦法讓我們的作品在這個流量池中有突出的表現。

所以你比較看好的一些視頻，即使它一開始沒火，你也要持續去給它去做一些點贊評論，通過朋友圈去轉發一下。有可能這個星期沒有被推薦，但下個星期有可能就會被推薦。

Ⅳ 抖音可能認識的人是根據什麼推薦的

抖音新好友推薦根據三個邏輯，分別是：基礎流量、疊加推薦、時間效應。

一、基礎流量

抖音給每一個作品都提供了一個流量池，無論你是不是大號、作品質量如何。你之後的傳播效果，就取決於你的作品在這個流量池裡的表現。因此，我們要珍惜這個流量池，想辦法讓我們的作品在這個流量池中有突出的表現。

抖音評價你在流量池中的表現，會參照4個標准：點贊量、評論量、轉發量、完播率。知道了這4個標准，我們就要在一開始視頻發出來的時候，想辦法發動所有的你能發動的力量去點贊、評論、轉發、把它播放完。

二、疊加推薦

我們自己能發動的力量畢竟有限，因此，當作品被推廣到更大的范圍以後，就不是我們能人工干預的了。既然評論量很重要，那在寫視頻的標題文案時，就應該考慮設置一些互動問題，引導用戶留言評論。

但這里要提個醒：千萬不要去刷流量。現在我們看淘寶上面有各種刷抖音流量、評論、點贊的店鋪，千萬不要去做這種事情，一定會被關小黑屋的，一定會。所以千萬不要投機。

三、時間效應

有些視頻拍出來之後沒火，過幾天、過一個星期，甚至過了個把月之後，這個視頻卻突然火了。所以這個推薦演算法其實還是很有意思，它會「挖墳」，帶火一些優質的老視頻

所以比較看好的一些視頻，即使它一開始沒火，你也要持續去給它去做一些點贊評論，通過朋友圈去轉發一下。有可能這個星期沒有被推薦，但下個星期有可能就會被推薦。

(4)好友推薦演算法擴展閱讀：

是根據通訊錄的好友來推薦的。抖音做實名制的時候都需要綁定手機號，同時抖音還會訪問你的手機sim卡信息、通訊錄信息，推薦你可能認識的人，這是大數據時代下很容易做的一件事情。

舉一個例子，你抖音綁定了手機號，同時抖音訪問了你的通訊錄，檢測到了你的朋友A／B／C。同時你的朋友A／B／C也在抖音上綁定了手機號，這樣抖音就很容易推算出你是A／B／C的朋友。

還有就是比如自己在看寵物視頻的時候點贊評論多並且停留時間長，看好幾遍，那可能後面就為大家推薦的這種比較多；看唱歌跳舞的美女比較多，在後面就很有可能推薦更多的美女唱歌跳舞視頻。

而且現在抖音的演算法還在不斷的細化、調整和升級，以後對於人群畫像的區分就更加細致了，大家就很輕松能夠找到自己喜歡看的人。

Ⅳ 快手的推薦你可能認識的人，是根據什麼來推薦的

快手好友推薦基於三種邏輯：基礎流量、疊加推薦和時間效應。

1、基本流程

快手為每一件作品提供了一個流池，無論你是大的還是好的質量。在此之後，你的分散程度取決於你的作品在池中的表現如何。因此，我們要珍惜這個流池，想辦法使我們的工作在這個流池中有出色的表現。

快手將根據四個標准來評估您在流量池中的表現：大拇指向上量、評論量、轉發量和廣播完成率。考慮到這四個標准，我們需要開始使用你所能調動的所有力量來對視頻進行點贊、評論、轉發，以及在視頻一開始就播放到最後。

2、疊加的建議

畢竟，我們自己能做的事情是有限的，所以當工作擴展到更大的規模時，就不需要我們手動干預了。因為評論數量是很重要的，所以在寫視頻標題時，你應該考慮設置一些互動問題來引導用戶留下評論。

但這里有一個警告：千萬不要去刷流量。現在我們看淘寶上面有各種刷抖音流量、評論、點贊的店鋪，千萬不要去做這種事情，一定會被關小黑屋的，一定會。所以千萬不要投機。

3、時間的影響

有些視頻在被拍攝後並沒有引起轟動，但在幾天、一周甚至一個月後，視頻突然火了起來。這個推薦演算法其實很有趣。它挖掘墳墓，點燃一些好的舊視頻

所以有些你喜歡的視頻，即使它們一開始不怎麼流行，你仍然需要繼續對它們做一些大拇指評論，並在你的時刻分享它們。這周可能不推薦，但下周可能會推薦。

(5)好友推薦演算法擴展閱讀：

快手的推薦是由地址簿中的朋友推薦的。快手在做實名制的時候，需要綁定電話號碼。同時，快手還將訪問您的手機SIM卡信息和通訊錄信息，並推薦您可能認識的人。在大數據時代，這是一件容易的事情。

例如，您將您的電話號碼與快手綁定，同時快手訪問您的地址簿並檢測您的朋友A／B／C。同時，你的朋友A／B／C也綁定了快手的電話號碼，所以很容易推斷出你是A／B／C的朋友。

也就是例如，在觀看寵物視頻時，豎起大拇指評論並停留較長時間，觀看幾次，那以後可能會為您推薦這種比較；現在有更多的美女唱歌跳舞，所以以後推薦更多的美女唱歌跳舞視頻是很有可能的。

快手演算法還在不斷的完善、調整和升級中。在未來人群肖像的分類會更加詳細，這樣人們就可以很容易的找到自己喜歡的人。

Ⅵ 社交網路核心，推薦演算法有哪些

對好友推薦演算法非常熟悉，有些積累。好友推薦演算法一般可以分為下面幾類：
1、基於關系的推薦
基於關系的推薦，最近寫了一個專欄文章，具體介紹了常用演算法，可以看下有沒有幫助，傳送門：http://zhuanlan.hu.com/gongwenjia/20533434
簡介：
a.社會網路中，三元閉包理論，以及常用推薦演算法
b.Facebook中的推薦演算法是如何做的
2、基於用戶資料的推薦
3、基於興趣的推薦
剩下兩個方面有時間再寫。
近來學習聚類，發現聚類中有一個非常有趣的方向—社交網路分析，分享一下我的大致了解。這篇只是一篇概況，並沒有太多的公式推導和代碼，基本是用人話解釋社交網路分析中的常用的幾種演算法。詳細到每個演算法的以後有空再把詳細的公式和代碼補上。
社區發現演算法，GN演算法，Louvain演算法，LPA與SLPA
Louvain演算法思想
1.不斷遍歷網路中的節點，嘗試把單個節點加入能使模塊度提升最大的社區，直到所有節點不再改變
2.將第一階段形成的一個個小的社區並為一個節點，重新構造網路。這時邊的權重為兩個節點內所有原始節點的邊權重之和。
3.重復以上兩步
LPA演算法思想：
1.初始化每個節點，並賦予唯一標簽
2.根據鄰居節點最常見的標簽更新每個節點的標簽
3.最終收斂後標簽一致的節點屬於同一社區
SLPA演算法思想：
SLPA是LPA的擴展。
1.給每個節點設置一個list存儲歷史標簽
2.每個speaker節點帶概率選擇自己標簽列表中標簽傳播給listener節點。（兩個節點互為鄰居節點）
3.節點將最熱門的標簽更新到標簽列表中
4.使用閥值去除低頻標簽，產出標簽一致的節點為社區。

Ⅶ 釘釘里新的好友里你可能認識的人是根據什麼來推薦的

釘釘里的推薦好友一般是根據手機通訊錄進行推薦的，更確切地說，應該是根據用戶手機通訊錄推薦其中已經注冊登錄的手機號給用戶，當然了已經注冊的是以注冊後的用戶名顯示好友，沒有更改的話就是手機號。

其實很多平台或者軟體都有類似的推薦演算法，當然了，推薦的具體演算法可能並不一致，但一般都會以通訊錄為一部分依據。有的則是根據大數據分析出喜好進行的同類推薦，比如短視頻平台。