Система платформы определяет, какие посты и в каком порядке показывать в ленте новостей. Эти прогнозы основаны на том, на кого подписан человек, чему ставил отметки реакции и с кем недавно общался. Чтобы развенчать мифы вокруг системы рекомендаций, Facebook опубликовал подробную информацию о том, как она работает. Главное:
Чтобы решить, какие из постов должны отображаться выше в ленте новостей пользователя, нужно предсказать, что для него наиболее важно. Для этого платформа может использовать характеристики публикации, например, кто отмечен на фотографии и когда она была опубликована , чтобы предсказать, понравится ли она пользователю.
Дано: друг опубликовал фото собаки, еще один юзер - видео с пробежки, страница, на которую подписан юзер - статью о том, как лучше увидеть Млечный Путь, а кулинарная группа - новые рецепты.
Если юзер часто переписывается с определенным пользователем или часто оставляет комментарии к его публикациям, а его новый ролик появился недавно после общения в ленте, высока вероятность, что пост от этого пользователя ему понравится (в статье упоминается абстрактный Хуан, но я опущу этот момент). Если в прошлом наш абстрактный юзер смотрел больше видео, то его с меньшей вероятностью заинтересует фото собаки. В этом случае алгоритм ранжирования Facebook выдаст видео с пробежки выше, чем фото собаки.
Чтобы сузить выборку, система собирает все посты-кандидаты, которые может ранжировать для юзера.
После система оценивает каждую единицу контента по его типу и сходству с контентом, с которым обычно взаимодействует юзер. Чтобы дать оценку тысячам постов каждого из 2 млрд пользователей в реальном времени, эти модели запускаются для всех публикаций параллельно с помощью нейросетей.
Далее система сужает круг кандидатов примерно до 500 наиболее подходящих публикаций. Идет основной этап подсчета очков, в котором происходит основная часть персонализации. Оценка для каждой публикации рассчитывается независимо, и все 500 постов выстраиваются по количеству оценок. Для некоторых публикаций оценка может быть выше за отметки реакции, чем за комментарии, поскольку кому-то больше нравится выражать свою симпатию реакциями, нежели комментариями.
После этого запускается контекстный фильтр, где срабатывают функции анализа разнообразия типов контента. Они должны проверить, что в ленте новостей появится разнообразный контент, и система не подсунет пользователю несколько видеороликов подряд.
Все эти действия происходят за время, пока вы открываете приложение. Спустя несколько секунд вы видите ленту новостей, которая содержит оптимальный для вас контент.
