Предложение друзей на Facebook
Введение:
Замечали ли вы, что всякий раз, когда вы используете Facebook, Instagram или Twitter, вы видите небольшое окно, всегда предлагающее новых друзей или людей, страницы или личности. Кроме того, оповещение для каждого пользователя является своего рода уникальным и зависит от его или ее круга друзей, офисного круга и т. д. В этом тематическом исследовании мы подробно рассмотрим, как все это будет работать с точки зрения моделей машинного обучения.
Как это происходит?
За этими предложениями стоят алгоритмы машинного обучения. Системы рекомендаций являются ключевыми моментами во всем этом сценарии. Различные рекомендательные системы работают над тем, чтобы предлагать новых друзей, страницы, личности или компании в этих приложениях для социальных сетей или в «Facebook», в нашем случае.
Facebook использует совместную фильтрацию, чтобы рекомендовать людей, которых вы, возможно, знаете, отображать рекламу на основе ваших сообщений, вакансий, которые могут вам понравиться, групп, за которыми вы можете подписаться, или компаний, которые могут вас заинтересовать. Facebook также использует Apache Graph для анализа социального графа, сформированного пользователей и их связи. Facebook работает над тем, как улучшить свой алгоритм, чтобы показывать лучший контент людям, которые с наибольшей вероятностью будут с ним взаимодействовать, что должно привести к меньшему количеству прерываний для пользователей. Алгоритм Facebook гарантирует, что все пользователи Facebook получают самые актуальные обновления, новости и информацию, которая им интересна. Это ни в коем случае не простой алгоритм для взлома, но некоторые факторы ранжирования — это хорошо известные запасы, сигналы, прогнозы и показатель релевантности.
Как работает предложение друзей на Facebook?
Это полное объяснение того, как работает Facebook Friend Advice, и если вы хотите узнать больше о том, как изменить или отключить его, прочитайте следующий раздел ниже.
Друзья, которых вы добавляете. Добавив человека, вы даете Facebook подсказку, которую хотите добавить в друзья. Итак, Facebook начнет искать похожие профили и знакомых людей. Скорее всего, предложение изменит друзей этих пользователей.
Друзья друзей. Один из самых популярных способов на Facebook — общие друзья. Вы можете столкнуться с этим, и вы видите, что иногда у вас может быть более 100 общих друзей с кем-то.
Биография. То, как вы станете своим следующим другом, зависит от того, как биография повлияет на биографию. Основываясь на информации из вашей школы, университета, мест, где вы жили, и членов семьи, Facebook предложит людей из той же категории.
Отметки «Нравится» и комментарии: как ваши публикации влияют на рекомендации друзей на Facebook. Например, если вы предпочитаете страницу, связанную с автомобильной промышленностью, люди, заинтересованные в ваших предложениях, могут попасть в список друзей.
Профиль, который вы посетили. Если вы часто посещаете профиль на Facebook, он назначит будильник Facebook, который вдохновит вас сохранить этого человека в друзьях. Таким образом, они будут добавлены в список советов.
Панель поиска Facebook: каждое слово, которое вы ищете в строке поиска Facebook, может рассматриваться как признак вашей потребности. Facebook получит его в ближайшее время и отправит вам предложения, которые могут помочь вам с вашими потребностями.
Поиск Google: это приблизительный коэффициент рекомендации Facebook, потому что у меня есть опыт работы с ним. После того, как я искал свои любимые программы и университеты в Google, я заметил, что вид профиля, который показывает мне Facebook, меняется. Я понял, что эти пользователи учились в университетах, которые я искал, или изучали то, что они обнаружили.
Система рекомендаций
Система рекомендаций является основой платформ социальных сетей, веб-сайтов электронной коммерции, OTT-платформ, стартапов быстрой коммерции и т. д. В системе рекомендаций мы либо используем предыдущую историю пользователя, либо создаем группу людей, которые схожие интересы, и мы предлагаем их соответственно. Существует 3 типа рекомендательных систем: основанные на содержании, совместные и гибридные. Кратко разберемся с ними.
Совместная фильтрация — одновременное использование сходства между пользователями и элементами для предоставления рекомендаций. Сходство рассчитывается только на основе рейтингов, оно может быть явно рейтинговым или неявно означает косвенно.
Контентная фильтрация. В этом случае рекомендации основаны на предыдущей истории пользователя, такой как история просмотров, история покупок, клики, просмотры, твиты, посты, лайки, комментарии, обзоры и многое другое.
Гибридная фильтрация. Это комбинированный метод обоих типов, совместный и основанный на содержании соответственно. Он устраняет недостатки обоих типов.
Использование системы рекомендаций в предложении друзей
Предложения через совместную фильтрацию
В этом случае предложения могут быть предоставлены на основе группы людей со схожими интересами. Схожий интерес означает лайкание одного и того же контента, комментирование похожих постов, просмотр связанных страниц и подписку на них, просмотр видео того же типа, публикацию контента на ту же тему и т. д. Это неявный тип фильтрации означает косвенное сходство между пользователями. Это также может быть явный тип, основанный на лайках или комментариях к сообщениям.
В совместной фильтрации есть два типа алгоритмов. Один основан на памяти, а другой на основе модели. Метод на основе памяти основан на статистических методах, таких как косинусное сходство, корреляция Пирсона, средневзвешенное значение оценок, евклидово расстояние и т. д. В то время как на основе моделей используются модели ML/DL, такие как K-ближайшие соседи, многослойные нейронные сети и т. д.
Контентно-ориентированный подход:
В этом методе предыдущая история посещений пользователя и информация, доступная в его или ее профиле, используются для предложения друзей. Здесь в основном при рекомендации рассматривается школа, колледж или офис пользователя. Тогда учитываются и общие друзья, а важными факторами являются местонахождение пользователя и возрастная группа. В основном это основано на информации, предоставленной пользователем при регистрации на Facebook, и информации профиля этого пользователя.
Гибридный подход:
В этом типе мы можем использовать оба метода, чтобы предложить друзей. Например, если пользователь упомянул какие-то интересы в профиле, мы можем найти людей с похожими интересами из той же школы, колледжа или места работы, а затем предложить их.
Использованная литература:
· https://www.socialchamp.io/blog/facebook-algorithm/
· https://graziadaily.co.uk/life/real-life/facebook-suggested-friends-work/
· https://www.sciencedirect.com/science/article/pii/S2666285X21000406
· https://graziadaily.co.uk/life/real-life/facebook-suggested-friends-work/
· https://medium.com/analytics-vidhya/facebook-recommendation-system-case-study-8dfc3ff5ddcc
· https://medium.com/@sammed97/ml-behind-facebooks-friend-suggestions-ff6a8ede8987
