Facebook explique comment ses algorithmes prédisent ce que vous voulez voir

Facebook a un algorithme qui prend en compte des milliers de variables lors de la commande du contenu qu’il montre aux utilisateurs et prend en compte les messages qui sont « aimés », avec lesquels vous interagissez en laissant un commentaire…

Facebook sélectionne quelque 500 contenus pertinents pour l’utilisateur et applique des techniques de Machine Learning pour les commander

Mais en plus de cet algorithme, dont la plupart des utilisateurs comprennent qu’il existe, le système qui gère ce que le fil d’actualité de chaque utilisateur affiche est plus complexe et comprend de nombreuses autres couches qui apprennent de ce que fait l’utilisateur pour essayer de prédire ce qu’il veut voir.

Facebook a expliqué comment fonctionne la technologie d’apprentissage automatique pour créer des classements de contenu pour chaque utilisateur et offrir une expérience personnalisée à chacune des 2,740 millions de personnes qui utilisent activement Facebook dans le monde.

Comme le souligne le réseau social, il a besoin de ce type de technologie pour pouvoir trouver, parmi les millions de contenus disponibles chaque jour sur le réseau social, ceux qui peuvent intéresser le plus chaque personne, en tenant également compte de l’application de filtres et des systèmes pour éviter la diffusion de fausses nouvelles et de contenus qui conduisent à la désinformation des utilisateurs.

Il ne suffit pas de prendre en compte le contenu que l’utilisateur « a le plus aimé » dans le passé, mais Facebook utilise le Machine Learning pour faire des prédictions différentes sur la façon dont l’utilisateur agira en fonction du contenu qui lui est présenté en premier lieu.

Facebook prend en compte tous les contenus depuis la dernière connexion de l’utilisateur et qu’il n’a pas vus, même ceux qui ont déjà été publiés lors de sa connexion et qui n’ont pas été vus à ce moment-là. Il évalue ensuite chaque contenu selon des milliers de facteurs à l’aide de prédictions afin d’évaluer chaque contenu des millions d’utilisateurs du réseau social.

Toutes ces prédictions sont combinées en un score unique auquel Facebook applique plus tard d’autres règles, telles que le réduction à environ 500 postes pertinents. Selon Facebook, classer moins d’histoires leur permet d’utiliser des modèles de réseaux de neurones plus puissants.

Ces contenus sont mis en ordre en fonction des actions passées de chaque personne, mais tous ne marquent pas de la même manière pour tout le monde, c’est déterminé pour chaque utilisateur. De plus, Facebook ajoute également du contexte afin que, par exemple, un utilisateur ne voie pas quatre vidéos similaires à la suite, mais le contenu est ordonné de manière à ce qu’il soit visuellement plus attrayant.