金磊 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

馬斯克的“開源承諾”，終于如約而至。

就在剛剛，馬斯克正式宣布：

大部分（Twitter的）推薦算法將在今天開源，剩下的也會跟進(jìn)。

而且馬斯克緊接著亮出了GitHub上Twitter推薦算法源代碼的地址。

僅僅數(shù)小時，便攬獲上萬個Star：

除此之外，馬斯克還表示：

推特將每24到48小時更新一次基于用戶建議的推薦算法。

至此，這個號稱每天從5億條推文做推薦的大算法的廬山真面目，終于得以露出。

Twitter的推薦算法長什么樣？

據(jù)介紹，Twitter的推薦系統(tǒng)基于一組核心模型和功能，可以從推文、用戶和互動數(shù)據(jù)中提取潛在信息。

這些模型的作用是回答Twitter網(wǎng)絡(luò)中的重要問題，例如，“未來你與另一個用戶互動的概率是多少？”或者，“Twitter上有哪些社區(qū)以及其中的趨勢推文是什么？”

若是能夠準(zhǔn)確回答這些問題，就可以讓Twitter提供更多相關(guān)的推薦。

Twitter的推薦系統(tǒng)由三大部分構(gòu)成：

• 從不同的推薦源獲取最好的推文，這個過程稱為候選源。
• 使用機(jī)器學(xué)習(xí)模型對每條推文進(jìn)行排名。
• 應(yīng)用heuristics和filters，例如過濾來自已屏蔽用戶的推文、NSFW內(nèi)容和已看到的推文。

負(fù)責(zé)構(gòu)建和提供“For You”時間軸的服務(wù)被稱為“Home Mixer”。

“Home Mixer”建立在“Product Mixer”之上，這是定制的Scala框架，有助于構(gòu)建內(nèi)容的動態(tài)流。

這項(xiàng)服務(wù)作為軟件主干，連接不同的候選源、評分函數(shù)、heuristics和filters。

候選源（Candidate Sources）

Twitter使用多個候選源來為用戶檢索最近和相關(guān)的推文。

對于每個請求，推特嘗試通過這些源從數(shù)億條推文池中提取最佳的1500條。

從您關(guān)注的人（內(nèi)部網(wǎng)絡(luò)）和不關(guān)注的人（外部網(wǎng)絡(luò)）中尋找候選人。

如今，“為您推薦”時間軸平均由50％的內(nèi)部網(wǎng)絡(luò)推文和50％的外部網(wǎng)絡(luò)推文組成（盡管這可能因用戶而異）。

內(nèi)部網(wǎng)絡(luò)資源（In-Network Source）

內(nèi)部網(wǎng)絡(luò)資源是最大的候選來源，旨在提供關(guān)注的用戶最相關(guān)、最新的推文。

它使用邏輯回歸模型高效地對關(guān)注的人的推文進(jìn)行排名，以其相關(guān)性為基礎(chǔ)。然后將排名最高的推文發(fā)送到下一階段。

排名內(nèi)部網(wǎng)絡(luò)推文最重要的組成部分是Real Graph。

Real Graph是一種模型，用于預(yù)測兩個用戶之間的互動可能性。用戶和推文作者之間的Real Graph分?jǐn)?shù)越高，就會包括更多他們的推文。

內(nèi)部網(wǎng)絡(luò)來源最近成為Twitter的研究對象。最近Twitter停止使用Fanout服務(wù)，這是一個12年前用來從每個用戶的推文緩存中提供內(nèi)部網(wǎng)絡(luò)推文的服務(wù)。

外部網(wǎng)絡(luò)資源（Out-of-Network Sources）

在用戶網(wǎng)絡(luò)之外尋找相關(guān)的推文是一個棘手的問題。

因?yàn)槿绻悴魂P(guān)注作者，怎么知道某條推文是否與你相關(guān)？

為此，Twitter采取了兩種方法來解決這個問題。

一個是社交圖（Social Graph）。

這個方法是通過分析你關(guān)注的人或有相似興趣的人的活動，來估計(jì)你會發(fā)現(xiàn)什么是相關(guān)的。

主要遍歷參與的圖，并按照以下步驟回答以下問題：

• 我關(guān)注的人最近在Twitter上發(fā)了什么消息？
• 誰和我一樣喜歡類似的推文，他們最近還喜歡什么？

團(tuán)隊(duì)根據(jù)這些問題的答案生成候選推文，并使用Logit模型對產(chǎn)生的推文進(jìn)行排名。

這種類型的圖形遍歷對于外部網(wǎng)絡(luò)推薦是必不可少的；團(tuán)隊(duì)開發(fā)了 GraphJet，一個維護(hù)用戶和推文之間實(shí)時交互圖的圖形處理引擎，來執(zhí)行這些遍歷。

雖然這種搜索Twitter參與和關(guān)注網(wǎng)絡(luò)的啟發(fā)式方法已經(jīng)被證明是有用的，但嵌入式空間方法已經(jīng)成為外部網(wǎng)絡(luò)推文的更大來源。

第二個是嵌入空間（Embedding Spaces）。

嵌入式空間方法旨在回答一個關(guān)于內(nèi)容相似性的更普遍的問題——什么推文和用戶與我的興趣相似？

Embeddings通過生成用戶興趣和推文內(nèi)容的數(shù)字表示來工作。然后可以計(jì)算這個嵌入空間中任意兩個用戶之間的相似度，推文或用戶-推文 對。

只要生成準(zhǔn)確的embedding，就可以使用這種相似性作為相關(guān)性的替代。

Twitter 最有用的嵌入空間之一是 SimClusters。

SimClusters 使用自定義矩陣分解算法發(fā)現(xiàn)由一群有影響力的用戶錨定的社區(qū)（有14.5萬個社區(qū)，每三周更新一次）。

用戶和推文在社區(qū)空間中表示，并且可以屬于多個社區(qū)。社區(qū)的規(guī)模從個人朋友群的幾千名用戶到新聞或流行文化的數(shù)億用戶不等：

……

更多與之相關(guān)的詳細(xì)內(nèi)容，可戳文末鏈接~

One More Thing

Twitter的算法開源了，然后手快的網(wǎng)友吧……都已經(jīng)開始根據(jù)算法總結(jié)怎么成為大V了：

你關(guān)注的人數(shù)和關(guān)注你的人數(shù)比例很重要、訂閱TwitterBlue有一定作用……

參考鏈接：

— 完 —

量子位 QbitAI · 頭條號簽約