Что на самом деле предсказывает модель ранжирования ленты

Что на самом деле предсказывает модель ранжирования ленты

user avatar

от me1afon

a day ago


Модель ранжирования ленты не знает, что сделает читатель. Она оценивает возможные реакции на каждый пост-кандидат, опираясь на доступную ей информацию. Эти оценки помогают упорядочить ленту, но они не формула вирусности.

В публичном обзоре «For You» соцсети X Phoenix читает недавнюю историю вовлечённости зрителя и предсказывает, насколько вероятно, что он совершит те или иные действия с постом. Система объединяет предсказания в итоговую оценку, а на окончательный отбор влияют и другие этапы.

Один пост, два читателя

Возьмём заведомо гипотетический пример. Пост подробно разбирает инцидент с безопасностью. Читатель А регулярно взаимодействует с техническими расследованиями, читатель Б — с короткими рыночными сводками. Модель может оценить вероятность ответа или лайка для одного и того же поста по-разному для этих двух читателей.

В этом примере никакие вероятности не измерялись. Он не описывает реальные параметры X, этих читателей или тест платформы. Его смысл прост: предсказание зависит не только от кандидата, но и от читателя. Единой универсальной оценки релевантности, привязанной к посту, может и не быть.

Несколько предсказаний, а не одна реакция

В документации модели Phoenix описаны одновременные предсказания для нескольких видов вовлечённости, а также непрерывные показатели, например время просмотра. В обзоре репозитория объясняется, что веса масштабируют предсказанные вероятности или предсказанные непрерывные значения. Они не превращают прошлые реакции в фиксированные баллы, начисляемые посту.

Эту разницу легко упустить. Модель может предсказать, что человек скорее ответит, чем пожалуется, хотя ни одно из этих действий не произошло. Предсказания — это оценки, а не наблюдения за будущим поведением человека. В предыдущей статье серии разобраны опубликованные коэффициенты; повторять их здесь значило бы не объяснить, как работает персонализация.

Чего оценки не расскажут автору

Оценка ранжирования — это ещё не итоговая лента. Кандидаты проходят также фильтры и другие этапы отбора. И автор не может по одному исходу понять, какое предсказание, какая настройка или какое ограничение его вызвало. Пост может быть значим для читателя, который не совершает видимых действий, а видимые реакции сами по себе не показывают, что думает каждый читатель.

В опубликованной документации по обучению сказано, что предобученный чекпойнт не включён. Исходный код может показать устройство модели, но без реальной обученной модели и производственного контекста он не скажет, каким будет живое предсказание для конкретного читателя и поста.

Поэтому практический вопрос — редакторский: что делает объяснение полезным для людей, которым оно адресовано? Ясные доказательства и уместный пример облегчают оценку поста. Это совет о работе, а не утверждение, что какая-то формулировка запустит распространение.

Этот анализ использует зафиксированный снимок публичного кода и касается изученного маршрута «For You». Производственные настройки и эксперименты могут отличаться; иллюстрация персонализации — не измеренный результат.

Тир I

Сектор: #18291

Запечатанная комната тайников

Resource Cache

Resource Cache

Тир I

Нужно 25% прогресса тира
Meme Cache

Meme Cache

Тир I

Нужно 50% прогресса тира
Equipment Cache

Equipment Cache

Тир I

Нужно 75% прогресса тира

После получения тайники попадут в инвентарь — открыть их можно ключами.

Другие статьи

Как дать читателям Telegram повод открыть полную статью

В Telegram-канале пост и так доходит до подписчиков, трудность в нажатии. Что документирует Telegram и как написать пост, дающий повод открыть статью.

user avatarme1afon

Одна статья, два аккаунта в X, две разные задачи

Личный аккаунт в X и аккаунт издания несут одну статью, но говорить должны разное. Что говорит код ранжирования X, чем различаются человек и бренд.

user avatarme1afon

Как превратить статью в пост LinkedIn

Пост в LinkedIn, который лишь указывает на статью, ничего не даёт читателю. Что измеряет LinkedIn, откуда «штраф 60% за ссылку» и структура из пяти частей.

user avatarme1afon

Как сравнивать авторов, не награждая только первых

Рейтинг по итогам показывает, кто начал раньше. Почему ранние лидеры держатся и как пять поправок помогают честно сравнивать авторов, не наказывая лидеров.

user avatarme1afon

Как сделать рейтинг экспертов объяснимым

Рейтинг экспертов — утверждение о людях, а утверждение должно поддаваться проверке. Четыре части: формула, веса, разбор по строке, апелляция.

user avatarme1afon

Размер аудитории — не авторитет в теме

Число подписчиков показывает, сколько людей выбрали читать аккаунт, а не разбирается ли автор в предмете. Охват и авторитет в теме нужно оценивать отдельно.

user avatarme1afon

Важное примечание: Информация, представленная на портале Dapp.Expert, предназначена исключительно для ознакомительных целей и не является рекомендацией к инвестициям или руководством к действию. Команда Dapp.Expert не несет ответственности за возможные убытки или упущенную выгоду, связанные с использованием материалов, опубликованных на сайте. Перед принятием инвестиционных решений рекомендуем проконсультироваться с квалифицированным финансовым советником.