Рекомендательная система TikTok¶

Рекомендательная система TikTok — это программный алгоритм машинного обучения, используемый для персонализированного подбора видеоконтента в социальной сети TikTok (принадлежит компании ByteDance). Система анализирует поведение пользователя, характеристики видео и метаданные, чтобы формировать бесконечную ленту («For You Page», FYP) с максимально релевантным и вовлекающим контентом.

¶Архитектура и принципы работы

Рекомендательная система TikTok основана на многоуровневой архитектуре, включающей этапы кандидатного отбора, ранжирования и фильтрации. Она не использует единый алгоритм, а представляет собой комбинацию моделей, каждая из которых решает свою задачу.

¶Кандидатный отбор (Candidate Generation)

На первом этапе система из всего пула видео (миллиарды единиц) отбирает несколько сотен потенциально интересных для пользователя роликов. Отбор происходит на основе нескольких сигналов:

• Взаимодействия пользователя: лайки, комментарии, репосты, время просмотра (полный или частичный), досмотр до конца, повторные просмотры, переходы в профиль автора, подписки.
• Информация о видео: текст описания, хэштеги, звуковая дорожка (аудиотрек), визуальные метки (распознанные объекты, лица, текст на видео), категория контента (например, «танцы», «еда», «спорт»).
• Информация об устройстве и аккаунте: язык интерфейса, страна, тип устройства, время суток, возрастная группа, история просмотров.
• Социальный граф: подписки пользователя, его друзья, популярные авторы в его регионе, но в меньшей степени, чем в других соцсетях.

Ключевая особенность — система не полагается исключительно на подписки. Даже если пользователь никогда не подписывался на автора, его видео может попасть в ленту, если оно соответствует поведенческим паттернам.

¶Ранжирование (Ranking)

После отбора кандидатов система применяет модель машинного обучения, которая присваивает каждому видео числовой балл (score). Модель обучается на исторических данных о том, как пользователи взаимодействовали с контентом. Алгоритм учитывает сотни факторов, включая:

• Вероятность завершения просмотра (Completion Rate): насколько высока вероятность, что пользователь досмотрит видео до конца.
• Вероятность лайка/комментария/репоста.
• Вероятность перехода в профиль автора.
• Вероятность повторного просмотра.
• Вероятность подписки.

Система не просто суммирует эти вероятности, а взвешивает их в зависимости от контекста. Например, для нового пользователя (без истории) больший вес имеют сигналы о популярности видео в регионе и на устройстве, а для активного — его личные предпочтения.

¶Фильтрация и балансировка

После ранжирования система может применить дополнительные фильтры:

• Разнообразие контента: чтобы избежать «пузыря фильтров» (когда пользователь видит только однотипные видео), алгоритм может намеренно показывать видео из смежных категорий или с другим настроением.
• Удаление дубликатов: если пользователь уже видел видео, оно не будет показано повторно (если только не было специального запроса).
• Модерация контента: видео, нарушающие правила сообщества (насилие, порнография, дезинформация), отфильтровываются на этапе загрузки или в процессе рекомендации. В России TikTok, как и другие платформы, обязан соблюдать законодательство, включая требования о блокировке запрещённого контента.

¶Обучение модели

Рекомендательная система обучается с помощью методов обучения с подкреплением (Reinforcement Learning) и глубокого обучения. Основной метрикой является не просто количество просмотров, а время, проведённое пользователем в приложении (user retention). Система постоянно тестирует новые гипотезы: например, если пользователь быстро пролистывает видео, алгоритм снижает вес тех сигналов, которые привели к этому показу, и наоборот.

¶A/B-тестирование

TikTok проводит миллионы A/B-тестов в день. Разные группы пользователей видят разные версии алгоритма, и система в реальном времени сравнивает, какая версия приводит к более высокой вовлечённости. Это позволяет быстро адаптироваться к изменениям в поведении аудитории.

¶Критика и ограничения

Рекомендательная система TikTok неоднократно подвергалась критике, в том числе со стороны регулирующих органов.

¶«Пузырь фильтров» и эхо-камеры

Алгоритм, стремясь удержать пользователя, может создавать информационные пузыри, где пользователь видит только контент, подтверждающий его взгляды. Это может усиливать поляризацию мнений и способствовать распространению дезинформации. В России, как и в других странах, обсуждаются меры по повышению прозрачности алгоритмов.

¶Влияние на психику

Исследования связывают чрезмерное использование TikTok с ухудшением концентрации внимания, тревожностью и зависимостью от коротких видеороликов. Алгоритм, оптимизированный на вовлечение, может вызывать привыкание.

¶Проблемы с конфиденциальностью

Для работы системы требуется сбор большого объёма данных о поведении пользователя, включая время просмотра, движения пальцев, тип контента, который он досматривает. Это вызывает опасения по поводу слежки и использования данных в коммерческих целях.

¶Модерация контента

Несмотря на фильтры, система иногда рекомендует контент, нарушающий правила. В России TikTok обязан удалять материалы, признанные экстремистскими, террористическими или пропагандирующими наркотики и суицид. В 2022 году в России были введены штрафы за неудаление запрещённого контента.

¶Сравнение с другими системами

В отличие от рекомендательных систем YouTube, которые в значительной степени полагаются на историю просмотров и подписки, TikTok делает больший акцент на «вирусности» и новизне. В отличие от Instagram (принадлежит компании Meta, признанной экстремистской и запрещённой в РФ), где рекомендации основаны на социальном графе (друзья, подписки), TikTok использует более «анонимный» подход, ориентируясь на поведение, а не на связи.

¶Интересные факты

• Алгоритм TikTok способен распознавать не только текст и хэштеги, но и визуальные паттерны: например, если пользователь долго смотрит видео с котами, система начнёт показывать ему ролики с другими животными, даже если в описании нет слова «кот».
• Система использует «петлю обратной связи»: если пользователь быстро пролистывает видео (менее 1 секунды), это считается сильным негативным сигналом. Если он смотрит видео до конца, а затем пересматривает его — это максимально позитивный сигнал.
• В 2021 году TikTok ввёл функцию «Почему это видео?», которая позволяет пользователю увидеть, какие сигналы привели к показу конкретного ролика (например, «популярно в вашем регионе» или «вы смотрели похожие видео»).

¶Источники

1. Smith, B. (2021). How TikTok Reads Your Mind. The New York Times.
2. Доклад ByteDance о принципах работы рекомендательной системы (2020).
3. Исследование Университета Южной Калифорнии: «The TikTok Algorithm: A Deep Dive» (2022).
4. Материалы Роскомнадзора о регулировании рекомендательных алгоритмов в РФ (2023).
5. Статья в журнале Wired: «Inside TikTok’s Algorithm: The Secret Sauce» (2021).