本期内容 推荐算法如何通过协同过滤和机器学习进行精准推送，又是怎么一步步演进的；以抖音为代表的短视频平台如何通过召回模型和排序模型来预判用户的喜好。 主播及内容来源 本期节目的主播来自Coze Space。我很喜欢他们俩录制节目时的松弛，两个北京人，插科打诨间就把推荐算法最核心的内容深入浅出地讲解出来了。虽然整体时长和前两期比要简短一些，但这期节目的最终效果是超出我预期的。 播客内容取自本人参与撰写的《从零开始了解推荐系统》和《用户行为背后的算法推荐逻辑》（原载于抖音安全与信任中心网站）。 录制时间：2025年6月

本期内容 本期节目深入探讨了推荐算法的运作原理、技术演进以及在短视频平台上的应用。主播详细阐述了协同过滤等基础工作原理，以及随着深度学习和神经网络的兴起，推荐系统如何通过Wide&Deep模型和双塔召回模型实现更强大的记忆能力和泛化能力。同时也讨论了抖音等平台推荐算法背后的逻辑，强调算法通过预测用户行为概率和行为价值权重来确定视频的推荐优先级，并指出算法只理解数学关联，不理解内容的实际语义，因此需要人工干预来维护内容合规。 主播及内容来源 本期节目邀请NotebookLM平台两位主播录制。听声音，这两位来自硅谷的主播更像是后期学习中文的美籍华人。尽管有些中文发音有点蹩脚，但他们对推荐算法的理解非常系统，讲解专业度非常高。 播客内容取自本人参与撰写的《从零开始了解推荐系统》和《用户行为背后的算法推荐逻辑》（原载于抖音安全与信任中心网站）。 录制时间：2025年5月

本期内容 以抖音为代表的短视频平台使用的推荐算法，通过预测用户行为高效分发内容。尽管这些算法能处理人类难以完成的任务，但其本质是数学模型对行为动作的统计关联，而非对内容本身的理解。 主播及内容来源 本期节目邀请ListenHub北京爷们原野和台湾MM诗涵两位主播共同录制。播客内容取自本人参与撰写的《用户行为背后的算法推荐逻辑》（原载于抖音安全与信任中心网站） 录制时间：2025年6月