抖音的演算法是怎麼樣的？

求大神解答。

在用戶剛下載完抖音還未登錄時應該是隨機的熱點推薦。然後根據用戶的瀏覽習慣（比如男生在看到美女的短視頻時停留時間相對較長）來推斷用戶的性別、年齡等人口統計學特徵進而進行相關的內容推薦。

在用戶登錄之後可根據第三方登錄信息或者註冊時候的信息來進行基於內容的推薦。這裡的內容可以是用戶層面的註冊信息，也可以是短視頻層面的文本信息以及視頻信息。

當然在拿到用戶與產品的交互記錄後，可以很方便的進行基於協同過濾的推薦，即跟我很相似的用戶A喜歡看短視頻1，那麼我也有很大可能對短視頻1感興趣。這裡的相似用戶就是根據用戶的歷史瀏覽記錄來得到的。

最近異軍突起的深度學習領域在圖像、文本等領域都有很好的性能，當然不排除抖音將深度學習技術應用到短視頻推薦上。

最後，任何一個成熟的產品都不是單一演算法來實現的，肯定是多種推薦演算法的有效融合，熱點推薦、基於內容的推薦、基於協同過濾的推薦、基於深度學習的推薦等，還要考慮到上下文信息，比如用戶在什麼地點、什麼時間段該推薦什麼內容比較合適等。

不玩抖音，不太了解