薄言抖音SEO怎么做，抖音seo搜索排名优化靠前，抖音SEO是什么系列教程，抖音SEO算法怎样计算短视频分值并推荐
薄言抖音SEO怎么做短视频分值计算并推荐的，本期视频是抖音余弦相似度算法的完结篇，也是最重要的一个视频，看完这个视频，你就会彻底了解抖音是怎么计算分值并推荐我们的短视频的，以及为什么你给短视频做了很多人为的浏览量，点赞，收藏，转发，评论，并且把完播率，5秒完播，2秒跳出等这些指标拉的高高的，抖音依然不会给你推荐的原因。同时我也会把抖音余弦相似度的计算公式给大家逐步推演计算出来，最后再带大家看看抖音的计算分值和推荐的代码。这套算法不仅适用抖音，包括微信视频号，小红书，快手等短视频自媒体平台都是完全一样的，你只需要掌握这一套技术体系，其他的自媒体平台也就不在话下了。但是因为内容太多，我还是分两期给大家讲解。
我们已经知道了抖音是通过计算短视频向量的夹角余弦值来判断相似性的，夹角越大，余弦值越小，相似性就越低，抖音就不会推荐，夹角越小，余弦值越大，相似性就越高，抖音就会推荐，那抖音到底是怎么计算的，计算公式又是什么，比如我现在发了两个短视频，视频1的标题是“抖音seo是抖音运营的组成部分”，视频2的标题是“抖音运营入门的方法和技巧”，现在来计算与抖音运营用户聚类这个标准词的夹角余弦值，也就是短视频与抖音运营的相似度，相似度越高，抖音肯定就会推荐，首先抖音会对我的短视频的标题用jieba库进行分词，jieba库是一个非常强大的分词库，分词完后就用独热编码和tf-idf构建向量，通过这样的操作，我们的短视频就被抖音向量化了，也就是生成了可用于计算的数据，下来就可以在坐标系里进行夹角余弦值的计算了，比如向量A就是标准词抖音运营的向量，向量B和c分别是这两个短视频的向量，现在就来计算一下这两个短视频和标准词的余弦相似度，这是抖音向量空间的夹角余弦值计算公式，看起来和我们中学学过的余弦函数的计算公式完全不一样，其实这个向量的余弦值计算公式就是由我们中学的三角函数和勾股定理推导出来的，我把数学推导过程给大家写出来了，大家有兴趣的话可以看看，或者我发给你，我就不讲这个数学推导过程了，太费时间，咱们就直接用这个公式来计算，现在我们先看看公式，首先看分子，是向量a乘向量b，这个乘是内积，也叫点积或数量积，他的计算方法有几何表示法，也就是向量a的模乘以向量b 的模，再乘以cos西塔，几何意义就是向量b在向量a的投影长度和向量a的模的积，还有就是现在用到的代数坐标运算，就是对位相乘，假设向量a的向量编码是x1,x2，向量b的编码是y1,y2，那向量a乘向量b的内积就是x1*y1+x2*y2，这些咱们中学应该都学过哈,很简单我就不再多说了，现在看看分母，就是向量a的模乘以向量b的模，不知道大家还记不记得怎么计算哈，就是x1的平方加x2的平方开根号，对Y来讲也是一样的，就是y1的平方加y2的平方开根号，现在我们就来计算一下，
这是两个短视频编码后的向量和标准词抖音运营的向量，就是这些0,1,2这些数字，这些数值怎么来的，以后有时间再讲吧，把这些值代入公式中计算，我把计算结果给大家写出来了，具体计算过程我就不讲了，就是按照刚才讲的内积和长度计算就行了，可以看见视频2和标准词的相似度是最大的，根号33分之3，视频1和标准词的相似度比较小，是根号33分之2，那抖音肯定就推荐视频2了，视频1因为余弦值比较小，就不会推荐了，这就是抖音推荐咱们的短视频的整个计算过程，从这个计算过程我们非常清楚的可以了解到很多有价值的信息，余弦值的计算公式是一个除法分式，参加过薄言高阶培训老学员们是不是很眼熟，除法分式要让比值变大，这里就是余弦值要变大，是不是就有两种方法，一个是分子变大，也就是向量内积变大，一个是分母变小，也就是向量模的乘积变小，都可以达到比值变大的目的，现在就往回推导，一直推导到生产短视频的起点，你的短视频要做哪些特征才能让分子变大或者让分母变小，这思路是不是就出来了。
时间关系，今天就先把计算过程和优化的思路给大家介绍一下，下期我们将会从这个公式里分析出更多的有价值的信息，并且通过抖音算法代码，看看抖音是怎么推荐我们的短视频的，下期再见。
热门跟贴