Maria
Sales-manager
- Регистрация
- 21 Окт 2020
- Сообщения
- 1.347
- Реакции
- 825
Было ожидание того, что рекомендации в Инсте будут чем-то классным. Но алгоритм работает достаточно посредственно и во многом раздражает, нежели радует подборкой. Поэтому все быстренько научились блокировать эти самые рекомендации.
Вот краткая инструкция, как это сделать:
Как же все-таки работают рекомендации?
Разработчики раскрыли карты:
Пользователи долго и кропотливо создают ленту, которая будет соответствовать их интересам. Может ли Instagram помочь им в этом? Облегчить задачу, да так, будто они, пользователи, собственноручно подобрали эти рекомендации?
На удивление, вовлеченные пользователи все же находят интересные для себя аккаунты, на которые еще не подписаны. Наша задача как раз в том, чтоб помочь им находить такие аккаунты.
Цель этого всего в том, чтобы с помощью ИИ дать нам возможность видеть контент, который действительно соответствует нашим интересам. Другой вопрос - хотим ли мы автоматизированности этого процесса...
Обзор системы
Типичные информационно-поисковые системы состоят из двух этапов: генерация кандидатов и отбор кандидатов. На первом этапе генерации кандидатов, основываясь на явных или неявных интересах пользователя, мы получаем все кандидаты, которые могут его заинтересовать. Это этап, требующий большого объема памяти. На втором этапе отбора кандидатов, как правило, более тяжелый алгоритм ранжирования работает с этими кандидатами и выбирает лучшее подмножество, которое в итоге показывается пользователю.
На следующих блок-схемах показаны ключевые различия между связанной и несвязанной рекомендательной системой. В связанной рекомендательной системе источники явно определены конечным пользователем. Система ранжирования выбирает лучшие посты из этих источников и ранжирует их на основе таких факторов, как вовлеченность, релевантность, интересы пользователя, качество контента и свежесть.
В системе без связи источники определяются неявно на основе активности пользователя в Instagram и затем ранжируются на основе аналогичных факторов.
Основа процесса строится на ваших действиях, таких как лайки и подписка на публикации. А так же вам будет предлагаться то, что понравилось людям, на которых подписаны вы.
Главная мысль: рекомендации должны быть похожи на ленту, которую вы построили сами, только состоящую из аккаунтов, на которые вы еще не подписаны. При чем алгоритм нацелен на то, чтоб эти аккаунты точно соответствовали тем, на которые вы уже подписались, в том числе и типом публикаций. В то же время Instagram пытается добавить больше видео в ленты, о чем говорят последние эксперименты.
Цель алгоритмов - не просто показывать вам трендовый контент, а именно опираться на ваши интересы в рекомендациях.
Что в итоге делает платформа?
Разработчики:
Чтобы наши рекомендации были похожи на сообщения в домашней ленте, мы отдаем приоритет учетным записям, которые похожи на учетные записи, с которыми пользователь сталкивается в домашней ленте.
Оригинал статьи еще более непонятный, никакого грандиозного открытия в ней нет. Важно, что Instagram не косит под TikTok и не навязывает тренды, а остается "домашним" местом, где вы смотрите только то, что сами выбрали.
Вот краткая инструкция, как это сделать:
- нажимаете крестик
- выбираете один из предложенных вариантов
- при необходимости повторить через месяц
Как же все-таки работают рекомендации?
Разработчики раскрыли карты:
Пользователи долго и кропотливо создают ленту, которая будет соответствовать их интересам. Может ли Instagram помочь им в этом? Облегчить задачу, да так, будто они, пользователи, собственноручно подобрали эти рекомендации?
На удивление, вовлеченные пользователи все же находят интересные для себя аккаунты, на которые еще не подписаны. Наша задача как раз в том, чтоб помочь им находить такие аккаунты.
Цель этого всего в том, чтобы с помощью ИИ дать нам возможность видеть контент, который действительно соответствует нашим интересам. Другой вопрос - хотим ли мы автоматизированности этого процесса...
Обзор системы
Типичные информационно-поисковые системы состоят из двух этапов: генерация кандидатов и отбор кандидатов. На первом этапе генерации кандидатов, основываясь на явных или неявных интересах пользователя, мы получаем все кандидаты, которые могут его заинтересовать. Это этап, требующий большого объема памяти. На втором этапе отбора кандидатов, как правило, более тяжелый алгоритм ранжирования работает с этими кандидатами и выбирает лучшее подмножество, которое в итоге показывается пользователю.
На следующих блок-схемах показаны ключевые различия между связанной и несвязанной рекомендательной системой. В связанной рекомендательной системе источники явно определены конечным пользователем. Система ранжирования выбирает лучшие посты из этих источников и ранжирует их на основе таких факторов, как вовлеченность, релевантность, интересы пользователя, качество контента и свежесть.
В системе без связи источники определяются неявно на основе активности пользователя в Instagram и затем ранжируются на основе аналогичных факторов.
Основа процесса строится на ваших действиях, таких как лайки и подписка на публикации. А так же вам будет предлагаться то, что понравилось людям, на которых подписаны вы.
Главная мысль: рекомендации должны быть похожи на ленту, которую вы построили сами, только состоящую из аккаунтов, на которые вы еще не подписаны. При чем алгоритм нацелен на то, чтоб эти аккаунты точно соответствовали тем, на которые вы уже подписались, в том числе и типом публикаций. В то же время Instagram пытается добавить больше видео в ленты, о чем говорят последние эксперименты.
Цель алгоритмов - не просто показывать вам трендовый контент, а именно опираться на ваши интересы в рекомендациях.
Что в итоге делает платформа?
Разработчики:
Чтобы наши рекомендации были похожи на сообщения в домашней ленте, мы отдаем приоритет учетным записям, которые похожи на учетные записи, с которыми пользователь сталкивается в домашней ленте.
- На этапе отбора кандидатов при обучении и оценке наших моделей ранжирования мы гарантируем, что общее распределение не будет отклонено от тех аккаунтов, на которые пользователь уже подписан.
- Мы следуем той же эвристике свежести и чувствительности ко времени, что и Home Feed, чтобы гарантировать, что предлагаемые публикации вызывают такое же ощущение свежести, как и остальная часть Home Feed.
- Мы также гарантируем, что набор типов мультимедиа (например, фото/видео/альбомы и т. д.) относительно одинаков на главной странице и в рекомендуемых публикациях.
- Для пользователей, чей график непосредственной вовлеченности относительно разрежен, мы создаем для них кандидатов, оценивая их соединения с одним и двумя переходами. Пример: если пользователю А не понравилось много других учетных записей, мы, вероятно, можем оценить учетные записи, за которыми следуют учетные записи, которые понравились А, и рассмотреть возможность использования их в качестве исходных. A → Аккаунт, который понравился A → Аккаунты, за которыми следуют аккаунты, которым нравится A (Исходные аккаунты). Диаграмма ниже визуализирует этот ход мыслей.
Оригинал статьи еще более непонятный, никакого грандиозного открытия в ней нет. Важно, что Instagram не косит под TikTok и не навязывает тренды, а остается "домашним" местом, где вы смотрите только то, что сами выбрали.
