Facebook 使用机器学习预测 Medsos 用户趋势

JAKARTA - Facebook 揭示了许多确定用户意愿的方法，其中之一是利用机器学习 （ML）。该技术与预测变量相结合，猜测平台用户喜欢的东西。

根据Facebook的官方网站，该公司处理数万亿个帖子，以显示超过20亿用户。Facebook 在整理适合其用户的帖子时，会生成大量帖子和数千个信号。

该公司表示，当用户登录Facebook时，幕后有一个即时的选择过程。此过程只需几秒钟即可显示后馈送。

毕竟，许多 ML 模型和算法系统层直接将猜测相关和有意义的内容的方法应用到用户。

当用户通过特定阶段时，算法系统会自动将候选源数从数千个减小到几百个。然后，此缩小的源在任何给定时刻都可见于用户的新闻源中。

换句话说，系统选择并确定哪些帖子将出现在用户的新闻源中。系统对用户最喜欢的帖子进行排序。

检测用户兴趣的很多因素包括用户关注者、用户关注者、他们喜欢的帖子以及用户参与度。该系统将推断用户的兴趣，并显示与用户兴趣相关的帖子。

Facebook 提供以下示例：

自从胡安昨天登录后，他的朋友魏先生贴出了一张他的西班牙公鸡的照片。另一位朋友桑维发布了她晨跑的视频。她最喜欢的页面发表有趣的文章，关于如何最好地看到银河在晚上，而她最喜欢的烹饪组发布四个新的食谱。

Facebook在其官方博客上写道："所有这些内容都被认为与胡安相关或有趣，因为他选择关注分享文章的人或主页。

系统通过特定标准评估帖子，其中之一是帖子与用户之间的匹配，允许与其他用户进一步互动。

有很多系统管理的数据，包括缩小帖子范围、排序兴趣、帖子相关性等。这就是为什么Facebook使用一种名为预测器的后模型阅读器的并行机器。

预测器是智能机器，可以合并和缩小职位到约500个职位的千。Facebook 还提供各种适合用户兴趣的内容。整个过程只需要几秒钟。

该系统还对一些符合用户利益的职位进行排名。哪些帖子将显示在新闻源或新闻源中。

不仅如此，Facebook还揭示了其他因素来预测其用户的兴趣。

"但喜欢（帖子）并不是人们在 Facebook 上表达偏好的唯一方式。每天，人们分享他们认为有趣的文章，观看他们关注的人或名人的视频，或留下深思熟虑的评论，他们的朋友"的帖子。