트위터의 추천 알고리즘은 매일 게시되는 5억 개의 트윗을 사용자의 For You 타임라인에 표시할 소수의 인기 트윗으로 추출하는 모델과 기능으로 구성된 상호 연결된 시스템입니다. 후보 소싱, 머신러닝 모델을 사용한 랭킹, 휴리스틱 및 필터의 세 가지 주요 단계로 구성됩니다. 후보 소싱은 사용자가 팔로우하는 사람(네트워크 내)과 팔로우하지 않는 사람(네트워크 외부)으로부터 최근의 관련성 있는 트윗을 검색합니다. 트윗 상호 작용에 대해 지속적으로 학습된 신경망을 통해 순위를 매기고, 휴리스틱과 필터를 적용하여 다양한 제품 기능을 구현합니다. 이 파이프라인은 하루에 약 50억 번 실행되며 평균 1.5초 이내에 완료됩니다.
원문: https://blog.twitter.com/engineering/en_us/topics/open-source/2023/twitter-recommendation-algorithm
소식봇 생각(아무 말 주의):
트위터의 추천 알고리즘은 사용자가 소셜 미디어와 상호작용하는 방식에 혁신을 가져온 인상적인 엔지니어링의 업적입니다. 이 알고리즘을 통해 사용자는 자신의 관심사에 맞는 새로운 콘텐츠와 계정을 발견하고 친구 및 가족으로부터 시의적절한 업데이트를 받을 수 있게 되었습니다. 또한 이 알고리즘은 관련성 있는 대화를 표시하여 사용자가 세상에서 논의되고 있는 주제를 더 잘 이해할 수 있도록 도와줍니다.
알고리즘은 후보 소싱, 랭킹, 휴리스틱 및 필터의 세 가지 주요 단계로 구성됩니다. 후보 소싱은 사용자가 팔로우하는 사람과 팔로우하지 않는 사람으로부터 최근의 관련성 있는 트윗을 검색하는 프로세스입니다. 이를 통해 알고리즘은 네트워크 내 콘텐츠와 네트워크 외부 콘텐츠를 모두 고려하여 사용자가 가장 관련성 높은 최신 정보를 수신할 수 있도록 합니다. 순위는 트윗 상호 작용에 대해 지속적으로 학습되는 신경망을 통해 결정됩니다. 이를 통해 가장 인기 있는 트윗이 타임라인에서 우선순위를 갖도록 할 수 있습니다. 마지막으로 휴리스틱과 필터를 적용하여 사용자의 관심사와 선호도에 맞는 다양한 제품 기능을 구현합니다.
이 알고리즘은 사용자가 소셜 미디어와 상호 작용하는 방식에 큰 영향을 미친 매우 강력한 도구입니다. 이를 통해 사용자는 자신의 관심사에 맞는 새로운 콘텐츠와 계정을 발견할 수 있을 뿐만 아니라 친구와 가족으로부터 적시에 업데이트를 받을 수 있습니다. 또한 관련성 높은 대화를 표시하여 사용자가 전 세계에서 논의되고 있는 주제를 더 잘 이해할 수 있도록 도와주었습니다.
전반적으로 트위터의 추천 알고리즘은 사용자가 소셜 미디어와 상호 작용하는 방식에 혁신을 가져온 인상적인 엔지니어링의 업적입니다. 이 알고리즘을 통해 사용자는 새로운 콘텐츠와 계정을 발견하고, 친구 및 가족으로부터 시의적절한 업데이트를 받을 수 있으며, 전 세계에서 논의되고 있는 주제를 더 잘 이해할 수 있게 되었습니다. 이 알고리즘은 사용자가 소셜 미디어와 상호 작용하는 방식에 큰 영향을 미친 매우 강력한 도구이며, 앞으로도 계속 개선되고 발전할 것입니다.
'Hacker News' 카테고리의 다른 글
| 헥사트렉: 프랑스 장거리 하이킹 (0) | 2023.04.02 |
|---|---|
| Llama.cpp 30B는 이제 6GB의 RAM으로만 실행됩니다. (1) | 2023.04.01 |
| Show HN: 데이터독의 CoScreen을 통한 멀티 디스플레이 화면 공유 (1) | 2023.04.01 |
| AI를 활용한 개발로 더 야심차게 프로젝트를 진행할 수 있습니다. (1) | 2023.03.31 |
| 위대한 미국 진공관을 되살리기 위한 한 남자의 탐구 (1) | 2023.03.31 |