在Instagram AI内，充满探索力，新鲜多汁的内容

 
Instagram发布了一篇描述幕后机制的文章，该机制每次打开时都会用新的有趣内容填充Instagram的“浏览”选项卡。这有点技术性，所以这里有五个要点。
即使Instagram和Facebook资源也有限
与某些人仍然希望只是按时间顺序排列的提要不同，“浏览”选项卡需要通过算法来驱动。但是，了解基于图像的社交网络上发生的事情并向人们推荐新内容是一个与您一样困难的问题。
如果这些公司具有无限的处理能力和时间，那么他们可能会在探索问题上有一些不同。但实际上，他们需要在短时间内且仅使用大量计算资源为数亿人提供服务。我认为他们将其放在帖子的顶部，因此人们不会奇怪为什么他们会偷工减料。
他们指出，当您可以更改内容并快速查看结果时，也更容易进行实验和迭代。
全部与帐户有关，而不是发布
如此多的消息发布到Instagram上，无论如何出于推荐目的，单独跟踪每张照片几乎是不可能的。跟踪帐户更简单，更高效，因为帐户通常具有主题或主题，从诸如“旅行”之类的广泛主题到高度具体的事物(例如圆形印章)。
喜欢某个帐户中的一条帖子并不一定意味着您会喜欢该帐户中的其他内容，但这可以很好地表明您至少对该帐户的主题感兴趣。即使您想因为这只猫的特定帖子而心动，因为它使您想起了旧手套，如果您喜欢一个主要发布猫的帐户中的图片，那也是有价值的信息。
复杂的习惯告知算法
值得注意的是，Instagram不仅可以使用图像功能来确定哪些帐户已进行了局部链接，尽管当然也可以检测到这种情况。他们也会使用您的行为。
例如，当您连续喜欢多个帖子时，即使Instagram的算法看不到它们，也更有可能以某种方式链接它们：
如果某人在同一会话中与一系列帐户进行交互，则与来自各种Instagram帐户的随机帐户序列相比，它更有可能具有连贯性。这可以帮助我们识别局部相似的帐户。
人们只是倾向于以这种方式研究事物，从一个以旅行为重点的账户转到另一个账户，或者专注于动物，因为他们需要接机服务。所有这些信息都被算法吸收，并检查了相关性。当然，诸如“减少这样的帖子”之类的故意动作和阻止帐户也具有很大的分量。
从“种子帐户”到前25名
从几十亿个帖子增加到只有两个帖子的过程可能非常困难，但是您可以通过将“浏览”选项卡限制为以某种方式链接到用户已经喜欢或保存了帖子的帐户的帐户来将问题缩小到可管理的大小。之所以称它们为“种子帐户”，是因为该过程中的所有其他内容实际上都是从这些帐户中长出来的。
由于机器学习系统如何在自己的内部表示帐户及其主题，因此找到数百个相似的帐户非常容易。
想象一下，如果您知道有人喜欢一种特别的红橙色大理石，并且您需要找到更多类似的东西。如果您只是将手浸入一袋大理石中，则不太可能很快找到。即使您将它们倒在地板上，也仍然需要四处寻找。但是，如果您已经按照颜色对它们进行了组织，那么您所要做的就是伸手可及的距离到达他们喜欢的大理石的大致范围，并且几乎可以保证您会选出一个赢家。
机器学习模型通过为所有这些帐户提供虚拟空间中的某种位置来做到这一点，并且两个帐户在该空间中的距离越近，它们的位置越近。
因此，将帐目归类的方式基本上已经完成了将数十亿美元缩减为数百个的真正困难的部分。
从那里开始，Instagram对复杂性不断提高的神经网络进行了三遍测试。
首先，稍微令人困惑的是接下来的两个流程的更简单的组合版本，将其从500个帐户增加到150个帐户。这有点怪异，但请这样考虑：该神经网络已经看到步骤2和3多次发生，并且对它们的工作有很好的了解。就像是您看到Cookie制作足够的时间，以至于您猜不到食谱一样。您可能会接近，但也不想将其发布给一亿人。因此，此步骤可以正确处理显而易见的内容。
第二个是廉价的神经网络，它使用的信号比上面提到的简单主题相似度更多。这是您个人喜欢的地方，以及有关帐户的更深入的数据。当然，您喜欢旅行，但特别是喜欢情侣旅行-上面的大理石分类算法都可以帮助您完成这两项工作。其他参数，例如帖子的普遍受欢迎程度，或者实际上与其他帖子中的其他帖子也有所不同。剩下的100个就剩下了50个。
第三是上述方法的计算昂贵版本，该方法又一次对上述50个数据进行了传递并将其减半，基本上是通过仔细观察并花时间包括每个数据点而不是一百个来进行。
我想这很适合“外卖”。别担心，下一个很快。
当然，no
他们写道：“我们希望确保我们推荐的内容既安全又适用于全球许多年龄的探索社区。” “使用各种信号，我们会过滤掉我们可以识别为不符合推荐条件的内容。”
因此，现在您知道了为什么在“探索”中什么都没得到。