EdgeRank算法——Facebook新闻源背后的算法

每次你打开Facebook账户，你看到的第一件事就是你的新闻源。所有喜欢的东西，评论，标签，状态更新，分享等等，都是你的朋友做的。

你有没有想过，你是如何得到这些信息的，你觉得它很有趣，而不是像任何随机顺序？

答案是，Facebook采用了一种机器学习算法，该算法考虑了某些参数，以找到你和写这篇文章的人之间的关系。在使用机器学习算法之前 EdgeRank算法 被Facebook用来对要显示在你的订阅源页面上的更新进行排名。该算法不仅对提要进行排序，还对其进行排序，以选择哪些提要应该在最开始时显示在提要上，哪些提要应该在最后显示。

在饲料供应给你之前，EdgeRank算法会对某些成分进行处理。他们是 亲和力得分、边缘权重和时间衰减 .

亲和力得分： 这意味着发布帖子的人和你的关系有多好。例如，如果你是那个人最好的朋友，你喜欢评论和分享他们的每一篇帖子，那么你和他们的亲和力很高。因此，该算法推断出，您可能希望看到朋友的帖子。

计算亲和力得分时，应考虑以下因素：

1. 行动的力量 –分享、标签、评论等的每个动作都有一个权重。所以，你在这篇文章上做得越多，你的亲和力得分就越高。只有当你与它互动时，亲和力分数才会被考虑在内。因此，不点击或分享就阅读帖子并不重要。所以，如果你的兄弟正在发布关于订婚、婚姻、毕业等的帖子，那么他的帖子的亲和力得分比其他帖子要高。

2. 采取行动的人离你有多近 –你与发布内容的人的联系被认为是计算亲和力分数的一个重要因素。因此，分享50个共同朋友的朋友比分享10个共同朋友的朋友有更高的亲和力。

3. 他们多久前采取的行动 –时间与亲和力得分成反比。所以，如果一个人正在发布关于他的生日的帖子，而你在一周后打开了你的订阅源，那么这些帖子肯定不会显示在你的墙上。

边缘重量： facebook上的每一篇帖子都有一定的权重，即它们的重要性。简单地说，对你照片的评论可能比喜欢或分享更有价值。Facebook改变了边缘权重，以反映他们认为用户会发现最吸引人的故事类型。例如，照片和视频的权重高于链接。因此，照片上的评论比链接上的评论更容易被突出显示。

时间衰减： 随着帖子变得越来越老，它开始失去重要性。新的将取代它们，成为新闻源上的一个位置。EdgeRank算法不仅选择要在新闻提要上显示的帖子，还对它们进行排序，以便在新闻提要上显示。

2007年，Facebook的一名工程师在一次采访中说，只有约0.2%的符合条件的故事能进入用户的新闻源。这意味着你的状态更新正在与499个其他故事竞争用户新闻提要中的一个时段。

资料来源： 埃德格朗克。网 本文由 希曼苏·坎塔里亚。 如果你喜欢GeekSforgeks，并且想贡献自己的力量，你也可以写一篇文章，然后把你的文章邮寄给评论-team@geeksforgeeks.org.看到你的文章出现在Geeksforgeks主页上，并帮助其他极客。

如果您发现任何不正确的地方，或者您想分享有关上述主题的更多信息，请写下评论。