O Facebook publicou um artigo que explica como funciona o algoritmo do feed de notícias do Facebook. Em comparação com a patente do algoritmo de feed de notícias do Facebook, os dois documentos explicam muito sobre como o Facebook classifica as postagens no feed de notícias.
O que você vai ler neste artigo
Machine learning e classificação do Feed
O algoritmo de feed de notícias do Facebook é um sistema de classificação de aprendizado de máquina (machine learning). Porém, não é apenas um algoritmo. É uma combinação de vários algoritmos que funcionam juntos em diferentes fases.
Partes do algoritmo fazem coisas diferentes, como selecionar postagens “candidatas” para mostrar no feed de notícias de uma pessoa, eliminar postagens com informações incorretas ou clickbait, criar listas de amigos com os quais uma pessoa interage, tópicos com os quais a pessoa tende a se envolver e, em seguida, usar todos esses fatores para classificar (ou não) as postagens em um feed de notícias do Facebook.
Todas essas camadas diferentes são aplicadas para prever o que um membro do Facebook achará relevante para ele.
O objetivo dos algoritmos é classificar quais postagens aparecem no feed de notícias, a ordem em que estão e selecionar as postagens que um membro do Facebook provavelmente terá interesse e com as quais interagirá.
Não são apenas alguns sinais que são considerados. O Facebook afirma que usa milhares de sinais.
De acordo com o Facebook:
“Para cada pessoa no Facebook, existem milhares de sinais que precisamos avaliar para determinar o que essa pessoa pode achar mais relevante … para prever o que cada uma dessas pessoas deseja ver em seu feed …”
Sinais de classificação do feed de notícias do Facebook
Características de uma postagem no Facebook
Um dos sinais de classificação que o Facebook discute são as “ características ” de uma postagem.
O Facebook está usando um recurso ou qualidade de uma postagem e determinando se esse é o tipo de coisa com a qual o usuário tende a interagir mais.
Por exemplo, se uma postagem for acompanhada por uma imagem colorida e um membro tiver um histórico de interação com postagens com imagens coloridas, isso terá uma classificação mais elevada.
Se uma postagem for acompanhada por um vídeo e é com isso que um membro do Facebook gosta de interagir, isso terá uma classificação mais elevada para esse membro.
Se a postagem tem uma imagem, um vídeo, se os amigos de um usuário são marcados na postagem, essas e outras características de uma postagem são usadas como fatores de classificação para determinar se uma postagem será exibida para um usuário e qual a altura vai ser classificado no feed de notícias.
O Facebook usou o exemplo de um usuário fictício chamado Juan (o nome “John” em espanhol) para ilustrar o fator de classificação de características.
Isso é o que o Facebook disse sobre o fator de classificação de características:
“Podemos usar as características de uma postagem, como quem está marcado em uma foto e quando foi postada, para prever se Juan pode gostar.
Por exemplo, se Juan tende a interagir com as postagens de Saanvi (por exemplo, compartilhando ou comentando) com frequência e seu vídeo em execução é muito recente, há uma grande probabilidade de que Juan goste de sua postagem.
Se Juan se envolveu com mais conteúdo de vídeo do que fotos no passado, a previsão do mesmo para a foto de Wei de seu cocker spaniel pode ser bastante baixa.
Nesse caso, nosso algoritmo de classificação classificaria o vídeo em execução de Saanvi em um nível mais alto do que a foto do cachorro de Wei, porque prevê uma probabilidade maior de que Juan goste. ”
O tempo é um fator de classificação do Facebook
O exemplo do Facebook que foi observado acima também ilustra como o tempo, na forma de quão recentemente algo foi postado, também pode ser usado como um fator de classificação.
O que é interessante sobre o exemplo do “Juan” fictício, é que o Facebook mencionou que quando uma postagem é feita é um fator de classificação.
“Podemos usar as características de uma postagem, como quem está marcado em uma foto e quando foi postada, para prever se Juan pode gostar dela.”
Esse aspecto do tempo como fator de classificação coincide com uma patente relativamente recente do Facebook que afirma que a data de publicação de algo pode ser usado como fator de classificação.
A patente do feed de notícias do Facebook é chamada de Seleção e Apresentação de Notícias que Identificam Conteúdo Externo para Usuários de Sistemas de Redes Sociais.
Isso é o que diz a patente do Feed de notícias do Facebook:
“… As notícias podem ser classificadas com base em dados cronológicos associados às interações com as notícias, para que as notícias compartilhadas mais recentemente tenham uma classificação mais alta.”
Isso parece confirmar o valor de postar a mesma postagem mais de uma vez ao longo do dia. Ele pode atingir diferentes pessoas em diferentes períodos de tempo e aqueles que interagem com a postagem podem ajudá-lo a ser mostrado a seus amigos etc.
Engajamento e Interesse
Outro fator de classificação envolve prever se um usuário provavelmente terá interesse ou se envolverá com uma postagem. O Facebook usa uma série de sinais para fazer essa previsão.
O artigo é claro nesse ponto:
“… O sistema determina quais postagens aparecem em seu Feed de notícias e em que ordem, prevendo no que você provavelmente terá interesse ou com que se envolverá.”
E alguns desses fatores que o Facebook usa, são sinais de postagens anteriores e de pessoas com quem o usuário interagiu. O Facebook usa essas interações anteriores para ajudá-lo a prever com que um usuário irá interagir no futuro.
De acordo com o Facebook:
“Essas previsões são baseadas em uma variedade de fatores, incluindo o que e quem você seguiu, gostou ou se envolveu recentemente.”
O Facebook usa modelos de aprendizado de máquina para prever cada uma dessas coisas diferentes. Existe um modelo que prevê o conteúdo que o usuário gostará, outro modelo que prevê qual postagem o usuário comentará.
Cada uma dessas formas de engajamento recebe uma pontuação de classificação e é posteriormente classificada.
Para resumir, o processo de classificação começa identificando postagens candidatas a classificar, a partir de um conjunto de postagens que foram feitas desde o último login do usuário.
A próxima etapa é atribuir pontuações de classificação a cada postagem.
É assim que o Facebook explica isso usando um exemplo de um usuário fictício chamado Juan:
“Em seguida, o sistema precisa pontuar cada postagem para uma variedade de fatores, como o tipo de postagem, semelhança com outros itens e quanto a postagem corresponde ao que Juan tende a interagir.
Para calcular isso para mais de 1.000 postagens, para cada um dos bilhões de usuários – tudo em tempo real – executamos esses modelos para todas as histórias de candidatos em paralelo em várias máquinas, chamados preditores. ”
Os sinais de classificação são personalizados para o usuário
Um insight interessante sobre os fatores de classificação é que eles têm pesos diferentes de um usuário para o outro. Meios ponderados para quando um sinal de classificação é mais importante do que outro sinal de classificação.
O que o Facebook revelou é que, para uma pessoa, a previsão de que ela “gostaria” de uma postagem pode ter uma influência mais forte sobre a classificação da postagem.
Para outro usuário, a previsão de que o usuário comentará em uma postagem recebe um peso de classificação mais forte.
Facebook compartilhado:
“A seguir vem o passe de pontuação principal, onde acontece a maior parte da personalização.
Aqui, uma pontuação para cada história é calculada independentemente e, em seguida, todas as 500 postagens são colocadas em ordem por pontuação.
Para alguns, a pontuação pode ser maior para curtir do que para comentar, pois algumas pessoas gostam de se expressar mais por curtir do que comentar.
Qualquer ação em que uma pessoa raramente se envolve (por exemplo, uma previsão semelhante que está muito próxima de zero) recebe automaticamente um papel mínimo na classificação, pois o valor previsto é muito baixo ”.
O que isso significa é que para que uma postagem seja bem-sucedida, ela deve inspirar diferentes formas de engajamento de cada usuário.
Recursos contextuais para diversidade de feed de notícias
A última etapa do processo de classificação é garantir a diversidade do tipo de conteúdo que é mostrado no feed de notícias. Dessa forma, o feed do usuário não se torna repetitivo.
Vários fatores de classificação personalizados do Facebook
O Facebook não listou todos os fatores de classificação usados para classificar as postagens em um feed de notícias. Mas eles deram uma ideia, uma visão geral de como o processo de classificação acontece e quais tipos de comportamento são priorizados. Também aprendemos que os sinais de classificação são dinâmicos e podem ter pesos diferentes dependendo da pessoa.
Confira na íntegra alguns conteúdos do Facebook que explicam de forma mais detalhada os tópicos citados:
- Como o feed de notícias prevê o que você deseja ver? (Artigo em inglês);
- Como o aprendizado de máquina potencializa o algoritmo de classificação do feed de notícias do Facebook (Artigo em inglês).
