抖音SEO怎么做短视频推荐分值计算，薄言抖音SEO怎么做抖音创业

薄言抖音SEO怎么做，抖音seo是什么系列教程

抖音SEO怎样计算短视频分值并推荐第二集，上个视频我们讲解了抖音运营中抖音计算短视频分值的过程，这期视频最后的总结非常非常非常的重要，时间稍长，看完你会知道我们在抖音运营工作中生产短视频的时候，要优化的是数学公式里的哪个部分，简单回顾一下抖音计算短视频分值的过程，首先把短视频的特征，比如短视频时长，主题，分辨率，发布时间，发布地域等特征进行编码向量化，然后代入算法模型里进行计算，计算出来的分值，比如0.9,0.8,0.7，然后按照分值高低进行排序推荐，分值高的优先推荐，分值低的就不推荐，这就是抖音计算短视频推荐分值的整个过程，那抖音算法到底依据哪个数学公式进行推荐分值计算的呢？今天我就给大家解析一下抖音相似度算法，也就是余弦函数，抖音计算你的短视频推荐分值其实就是根据三角函数里的余弦函数进行计算的，也叫余弦相似度算法。

余弦函数，也就是cos，这是我们中学数学就学过的内容哈，余弦相似度算法就是通过计算两个向量的夹角余弦值来评估他们的相似度，余弦相似度算法大量运用在人脸识别，包括我们前面讲的图片识别等，都是用余弦值来判断相似度的，相似度就是相关性，抖音推荐就是根据你的短视频向量与用户向量之间的夹角度余弦值来排序推荐的，相似度越大，抖音就会越优先推荐，相似度越小，抖音就不推荐，大家可以回忆一下中学的三角函数，

余弦函数的夹角和函数值是反比例关系，夹角越大，余弦值越小，夹角越小，余弦值越大，余弦函数的值域就是-1到1之间，从余弦函数曲线上我们可以清楚的看见，当夹角为零时，余弦值等于1，夹角为90度时，余弦值为零，夹角为180度时，余弦值为-1，这是三角函数，现在我们在抖音算法的平面坐标系里去看看余弦函数的应用，

大家可以看这张图，在这个平面坐标系中有三个已经向量化的橙子和苹果，向量A是一个橙子，向量B是一个红苹果，向量C是一个黄苹果，我们看见橙子与红苹果的夹角θ比较大，而黄苹果与红苹果的夹角θ1比较小，所以黄苹果与红苹果相似度更大，橙子和红苹果的夹角比较大，所以橙子与红苹果的相似度就更小，前面说了余弦函数的夹角与函数值是反比关系，也就是θ夹角的余弦值要大于θ1夹角的余弦值，大家其实可以把图中这些橙子和黄苹果向量替换成不同的短视频，红苹果就是用户，一下就明白了，

当短视频向量与用户向量夹角为零时，余弦值等于1，也就是完全相似，我给大家画一下，就是我们的短视频向量和用户向量重合，方向完全一致，这肯定是最好的状态，100%优先推荐，夹角为90度时就是π/2，就是1/2圆周率，余弦值为0，也就是不相似，不相似抖音肯定就不会推荐了，夹角为180度时，就是1π，就是刚好一个圆周率，余弦值等于-1，那就是与用户向量完全相反了，这肯定就更不推荐了，但也有特殊情况抖音依然会推荐这种不相似的视频，以后有机会再给大家讲解吧，只要我们的短视频特征向量与用户红苹果的夹角保持越小，那么我们的视频的夹角余弦值就越大，余弦值越大，那就是相似度越大，我们的短视频就一定会被抖音推荐，我们在生产短视频时一定要考虑到这个向量夹角大小的问题，这些短视频特征要怎么根据余弦函数去定做，才能在算法计算中，也就是在这个平面坐标系中始终和用户向量处于同一象限，而且保持这个夹角最小，

重点来了哈，大家一定认真听我现在的总结，我说慢一点，其实我们发布的短视频特征，比如发布时间，地域，主题，分辨率，清晰度等等这些抖音前端返回的信息，这些特征大大小小有几十项，以后有时间再给大家讲解，这些短视频特征就会被编码转换成向量，然后代入到平面坐标系里进行余弦值相似度计算，这些短视频特征在数学里叫什么？大家还记得中学数学老师讲过的吗？这不就是余弦函数的定义域嘛，我们生产短视频的时候其实就是要在算法框架内优化余弦函数的定义域，比如你的视频标题描述，主题，文案，视频策划该怎么设计，从而让短视频特征被编码映射到算法平面坐标系里计算的时候，让我们的视频夹角保持尽量小，就可以让我们的短视频的在余弦函数的值域范围内尽量接近1，接近1，就是越相似，也就是余弦值越大，抖音就会推荐我们的短视频！

不知道大家听明白这个道理没有，可以多看几遍视频仔细想想，下期我会以短视频为例给大家更仔细的讲解余弦相似度，包括我们的短视频主题，还有关键词这些特征到底都在平面坐标系里的哪个位置以及他们的大小等等，这些内容你如果能够掌握了，抖音推荐算法在你面前就可以一眼看穿。