程序员视角科普生活知识
hello 大家好
我是浩说
自从抖音火了短视频的时代就来了
我们渐渐也养成了一种习惯
不管什么时候，觉得无聊了就打开各种短视频app划~划~划
一天不划都感觉哪里不对劲
而且你们有没有感觉，短视频app给你推送的都是你爱看的
它好像比你对象都懂你，这扯不扯了
于是你是越划越爱看，越爱看就越划
结果一看时间后半夜了，又是晚睡的一天
今天咱们就来研究研究：
短视频app如何"投你所好"？
对于app来说这个问题有两种解法：
1、寻找和你爱好相似的用户并将相似用户喜欢的视频推给你
2、根据你曾经喜欢过的视频寻找相似的视频推给你
其实两种解法在思路上有相通的地方，就是我加粗的文字：找相似
下面我们逐一分析一下这两种解法。
01 | 寻找相似用户
app判定相似用户的依据是：
你与其它用户在喜欢的视频上有一定数量(阈值)的交集，比如你和我都喜欢了相同的十个视频，app就会判定我与你存在相似性。
当然，这个交集的数量(阈值)不一定是十个，我这里只是举个例子。
判定依据我们了解了，那么新的问题是：
app又是如何判定你是否喜欢某个视频呢？
想要确定是否喜欢，app需要对你做行为分析，以此来确定你是否喜欢某个视频，或者说对视频的喜欢程度。
行为分析
所谓"行为分析"，即指你在观看视频的时候对视频产生的一些行为，比如下图所示抖音中的红心、收藏、转发、评论
以上的行为叫做显式行为。
还有一种行为叫做隐式行为，比如你在视频上停留的时长：立刻划走、看了五秒划走、看了一半、看完了，这些行为都会影响app判断你对视频的喜欢程度。
通过上述的行为分析，app会生成一个你对该视频喜爱度的评分，我们用一个表格来模拟一下：
行为 | 红心 | 收藏 | 转发 | 评论 | 停留时长 |
|---|---|---|---|---|---|
分数 | 1 | 1 | 1 | 1 | 立刻划走：0 看了五秒：0.2看了一半：0.5看完了：1 |
分数越高就说明你对该视频越喜欢。
所以看到这里你要不要也为本文点赞收藏转发一下呢，也不枉我码了好几天的字啦！
感谢支持哦，我会感动到哭！
看到这里相似用户分析还没有结束，我们虽然了解了判定依据和行为分析，但抖音日活跃用户过亿，一定会出现相似用户过多的情况。
所以我们还需要将相似用户通过公式分别计算与你的相似度，并选取相似度最高的几个相似用户，将他们喜爱度高且你没看过的视频推给你。
计算相似度
接下来我同样用表格来模拟几个用户数据，看一下如何计算相似度：
中间的数字表示通过行为分析得出的喜爱度评分
视频-1 | 视频-2 | 视频-3 | 视频-4 | 视频-5 | |
|---|---|---|---|---|---|
你 | 5 | 2 | 0 | 1 | 4 |
用户-2 | 4 | 0 | 1 | 2 | 4 |
用户-3 | 4 | 1 | 1 | 2 | 5 |
用户-4 | 5 | 3 | 2 | 1 | 5 |
对于计算相似度，比较流行的有以下几种计算公式：
1. 欧几里得距离
2. 曼哈顿距离
3. 切比雪夫距离
4. 夹角余弦
5. 杰卡德相似系数
这里我选择了最好理解的第一种解法"欧几里得距离"来计算相似度
"欧几里得距离"的思路是将相似度问题转换成距离问题来求解，
我们知道在一维空间中我们求两点距离x1、x2：
x2 - x1
二维空间求两点距离(x1、y1)、(x2、y2)：
√(x2 -x1)² (y2 -y1)²
三维空间求两点距离(x1、y1、z1)、(x2、y2、z2)：
√(x2 -x1)² (y2 -y1)² (z2 -z1)²
以此类推那么多维空间求两点距离
(x1、y1、z1......、n1)、(x2、y2、z2......、n2)：
√(x2 -x1)² (y2 -y1)² (z2 -z1)² ...... (n2 -n1)²
于是我们将每个用户比作一个点，每个视频比作一个维度，应用欧几里得距离公式也就是这样：
用户-2 -> 你：
√(4 -5)² (0 -2)² (1 -0)² (2 -1)² (4 -4)² = √7
用户-3 -> 你：
√(4 -5)² (1 -2)² (1 -0)² (2 -1)² (5 -4)² = √5
用户-4 -> 你：
√(5 -5)² (3 -2)² (2 -0)² (1 -1)² (5 -4)² = √6
距离越小就表示相似度越高，从结果来看，也就是用户-3与你相似度最高，
所以我们取用户-3下你没有看过的视频，按照喜爱度评分由高到低推给你即可！
02 | 寻找相似视频
对于我们人来说，想判断两个视频是否相似非常简单，对比着看一遍就可以了，但这对于app来说是非常困难的。
所以app判定相似视频并非从视频入手，而是换了一种思路：
通过用户的视角来判断，如果喜欢视频-1和喜欢视频-2的用户群体是差不多的，那么就可以判定这两个视频相似。
按照刚才的思路我依然用表格来模拟几个视频的数据：
中间的数字同样表示通过行为分析得出的喜爱度评分
用户-1 | 用户-2 | 用户-3 | |
|---|---|---|---|
视频 | 4 | 2 | 4 |
视频-2 | 3 | 2 | 5 |
视频-3 | 4 | 4 | 3 |
视频-4 | 2 | 1 | 2 |
视频-5 | 5 | 4 | 5 |
看到这个表格你是否有点眼熟呢，这不就是"01 | 寻找相似用户"那个表格，把用户和视频换了个位置嘛！
所以我们依然使用欧几里得公式计算相似度即可，只不过这次视频比作点，而用户比作一个维度：
视频-2 -> 视频：
√(3 -4)² (2 -2)² (5 -4)² = √2
视频-3 -> 视频：
√(4 -4)² (4 -2)² (5 -4)² = √5
视频-4 -> 视频：
√(2 -4)² (1 -2)² (2 -4)² = √9
视频-5 -> 视频：
√(5 -4)² (4 -2)² (5 -4)² = √6
在实际情况中，上表的相似视频会很多，所以我们根据欧几里得公式的结果，选取距离小的前几个视频推给你即可！
以上就是短视频app的视频推送逻辑，其实上面的思路不只被应用于短视频app，
像音乐app的音乐推荐、购物app里的猜你喜欢、相似物品........
这些应用的逻辑和今天的内容都大同小异，是不是看完了感觉也没有那么复杂，
以后在闲聊的时候你就可以吹吹牛逼了，或者转发分享到朋友圈让更多的人知道吧！
程序员视角科普生活知识，我是浩说，我们下期见！
END
