如何振興推特，馬斯克選擇「流量最大」的打法。
馬斯克曾把特斯拉的專利開源，現(xiàn)在推特的算法也被他開源了。
(資料圖片僅供參考)
首富伊隆?馬斯克去年收購(gòu)?fù)铺厍熬驮硎荆铺氐拇a應(yīng)該在 GitHub 上公開，以便公眾對(duì)其進(jìn)行檢查，這樣才算得上健全。在這不久后，馬斯克宣布收購(gòu)?fù)铺兀铺氐?GitHub 主頁(yè)上很快新增了一個(gè)「the-algorithm」倉(cāng)庫(kù)，不過這個(gè)倉(cāng)庫(kù)很快就 404 了。
前幾天他又表示，推特會(huì)在 3 月 31 日開源推薦代碼。這一次，他終于兌現(xiàn)了。
馬斯克在推特上表示，目前發(fā)布的是「大部分推薦算法」，其余的將在未來(lái)發(fā)布。
短短幾個(gè)小時(shí)，該項(xiàng)目就收獲了 13.5K Github Star：
開源地址：https://github.com/twitter/the-algorithm
在 Twitter Spaces 會(huì)議上，馬斯克解釋道：「最初發(fā)布的算法會(huì)非常尷尬，人們會(huì)發(fā)現(xiàn)很多錯(cuò)誤，但我們會(huì)很快修復(fù)它們…… 即使你不同意某件事，至少你會(huì)知道它為什么在那里，并且你沒有被秘密操縱...... 我們的參照物是 Linux ，一個(gè)很好的開源操作系統(tǒng)樣本…… 理論上，人們可以發(fā)現(xiàn) Linux 的許多漏洞，但實(shí)際上社區(qū)會(huì)識(shí)別并修復(fù)這些漏洞。」
既然開源，那就表示接受修改建議。馬斯克又表示了，每過 24 小時(shí)到 48 小時(shí)，推特會(huì)根據(jù)用戶建議對(duì)推薦算法進(jìn)行一次更新。
不僅接受人們的監(jiān)督，還可以提升技術(shù)實(shí)力，看起來(lái)是一舉多得的好事。
有趣的是，外媒 Gizmodo 的一篇報(bào)道指出， 推特向用戶推送的 VIP 列表似乎沒有公開。本周 Platformer 報(bào)道稱，推特有一份值得關(guān)注的用戶輪換名單，包括 YouTuber Mr. Beast 和 Daily Wire 創(chuàng)始人 Ben Shapiro，它通過看似隨意地增加這些「高級(jí)用戶」的可見性來(lái)監(jiān)控推薦算法的變化。
還有更多證據(jù)表明，推特的算法可能會(huì)根據(jù)來(lái)源不同地對(duì)待推文。研究人員 Jane Manchun Wong 指出，推特的算法專門標(biāo)記了「推文作者是否是 Elon Musk」，還有其他標(biāo)簽表明作者是否是「高級(jí)用戶」等。
對(duì)此，推特在今天下午的 Spaces 會(huì)議上也有回應(yīng)，一位推特工程師表示，這些標(biāo)簽僅用于衡量指標(biāo)。而馬斯克說(shuō)自己在今天之前不知道這些標(biāo)簽，并表示「它們不應(yīng)該在那里」。
在推特同期發(fā)布的技術(shù)博客上，工程師們對(duì)推薦系統(tǒng)算法進(jìn)行了一番解釋。
推特推薦系統(tǒng)的基礎(chǔ)是一套核心模型和功能，從推文、用戶和相關(guān)數(shù)據(jù)中提取潛在的信息。這些模型旨在回答關(guān)于 Twitter 網(wǎng)絡(luò)的重要問題，例如，「你未來(lái)與另一個(gè)用戶互動(dòng)的概率是多少？」或者，「Twitter 上有哪些社區(qū)，其中有哪些流行的推文？」準(zhǔn)確地回答這些問題使 Twitter 能夠提供更相關(guān)的推薦。
推薦流程由三個(gè)主要階段組成：
1. 從不同的推薦源中獲取最佳推文，這個(gè)過程被稱為候選搜尋（candidate sourcing）。
2. 使用機(jī)器學(xué)習(xí)模型對(duì)每條推文進(jìn)行排名。
3. 應(yīng)用啟發(fā)式方法和過濾器，例如過濾掉你已經(jīng)屏蔽的用戶的推文、NSFW 內(nèi)容，以及你已經(jīng)看過的推文。
負(fù)責(zé)構(gòu)建和服務(wù) For You 時(shí)間線的服務(wù)被稱為 Home Mixer。Home Mixer 建立在 Product Mixer 上，這是推特定制的 Scala 框架，可以方便地構(gòu)建內(nèi)容提要。這項(xiàng)服務(wù)作為軟件主干，連接不同的候選推文來(lái)源、評(píng)分功能、啟發(fā)式方法和過濾器。
下面這張圖說(shuō)明了用于構(gòu)建時(shí)間線的主要組件：
接下來(lái)探討一下這個(gè)系統(tǒng)的關(guān)鍵部分，大致按照在一次時(shí)間線請(qǐng)求中的調(diào)用順序，從檢索候選推文源開始。
Twitter 有幾個(gè)候選推文源，他們用這些候選源來(lái)為用戶檢索最近的相關(guān)推文。對(duì)于每個(gè)請(qǐng)求，他們?cè)噲D通過這些來(lái)源從數(shù)以億計(jì)的推文池中提取最好的 1500 條推文。他們從你關(guān)注的人（網(wǎng)絡(luò)內(nèi)）和你不關(guān)注的人（網(wǎng)絡(luò)外）中找到候選推文。今天，F(xiàn)or You 時(shí)間線平均由 50% 的網(wǎng)絡(luò)內(nèi)（In-Network）推文和 50% 的網(wǎng)絡(luò)外（Out-of-Network）推文組成，盡管這可能因用戶而異。
網(wǎng)絡(luò)內(nèi)推文源是最大的候選推文來(lái)源，旨在提供你所關(guān)注的用戶的最相關(guān)、最近的推文。它使用一個(gè)邏輯回歸模型，根據(jù)相關(guān)性對(duì)你所關(guān)注的人的推文進(jìn)行有效排名。然后，排名靠前的推文被送到下一個(gè)階段。
對(duì)網(wǎng)絡(luò)內(nèi)推文進(jìn)行排名的最重要的組件是 Real Graph。Real Graph 是一個(gè)預(yù)測(cè)兩個(gè)用戶之間接觸的可能性的模型。你和推文作者之間的 Real Graph 得分越高，推薦內(nèi)容中就會(huì)包含更多他們的推文。
網(wǎng)絡(luò)內(nèi)推文源一直是推特最近工作的主題。他們最近停止了 Fanout 服務(wù)的使用，這是一項(xiàng)有 12 年歷史的服務(wù)，以前用來(lái)從每個(gè)用戶的推文緩存中提供網(wǎng)絡(luò)內(nèi)推文。他們也正在重新設(shè)計(jì)邏輯回歸排名模型，該模型最后一次更新和訓(xùn)練是在幾年前！
在用戶網(wǎng)絡(luò)之外尋找相關(guān)的推文是一個(gè)比較棘手的問題：如果你不關(guān)注作者，推特怎么能知道某條推文是否與你有關(guān)？為了解決這個(gè)問題，推特采取了兩種方法：
1、社交圖譜（Social Graph）
第一個(gè)方法是通過分析你所關(guān)注的人或有類似興趣的人的參與情況，來(lái)估計(jì)與你相關(guān)的內(nèi)容。
推特遍歷上述分析內(nèi)容的圖，以回答以下問題：
我關(guān)注的人最近參與了哪些推文？
誰(shuí)喜歡與我相似的推文，他們最近還喜歡什么？
推特會(huì)根據(jù)這些問題的答案生成候選推文，并使用邏輯回歸模型對(duì)生成的推文進(jìn)行排名。這種類型的圖遍歷對(duì)于網(wǎng)絡(luò)外推薦至關(guān)重要。團(tuán)隊(duì)開發(fā)了 GraphJet 圖處理引擎，以維護(hù)用戶和推文之間的實(shí)時(shí)交互圖，以執(zhí)行這些遍歷。雖然這種用于搜索推特參與度和關(guān)注網(wǎng)絡(luò)的啟發(fā)式方法已被證明是有用的（這些目前服務(wù)于大約 15% 的主頁(yè)時(shí)間線推文），但嵌入空間方法已成為網(wǎng)絡(luò)外推文的更大來(lái)源。
2、嵌入空間
嵌入空間方法旨在回答一個(gè)關(guān)于內(nèi)容相似度的普遍問題：「哪些推文和用戶與我的興趣相似？」
嵌入的工作原理是生成用戶興趣和推文內(nèi)容的數(shù)字表征，然后推特就可以計(jì)算該嵌入空間中任意兩個(gè)用戶、推文或用戶 - 推文對(duì)之間的相似度。如果生成了準(zhǔn)確的嵌入，推特可以使用這種相似性作為相關(guān)性的替代。
推特最有用的嵌入空間之一是 SimClusters。SimClusters 使用自定義的矩陣因子化算法，發(fā)現(xiàn)由有影響力的用戶集群錨定的社區(qū)。這里有 14.5 萬(wàn)個(gè)社區(qū)，每三周更新一次。用戶和推特在社區(qū)的空間中被表示出來(lái)，并且可以屬于多個(gè)社區(qū)。社區(qū)的規(guī)模從個(gè)人朋友圈的幾千個(gè)用戶到新聞或流行文化的幾億個(gè)用戶不等。這些是一些最大的社區(qū)：
此外，推特還可以通過查看推文在每個(gè)社區(qū)中的當(dāng)前流行度來(lái)將推文嵌入到這些社區(qū)中。喜歡推文的社區(qū)用戶越多，推文與該社區(qū)的關(guān)聯(lián)度就越高。
「For you」時(shí)間線的目標(biāo)是為用戶提供相關(guān)的推文。在 pipeline 的這一點(diǎn)上，有大約 1500 個(gè)可能是相關(guān)的候選項(xiàng)。分?jǐn)?shù)會(huì)直接預(yù)測(cè)每個(gè)候選推文的相關(guān)性，是在用戶時(shí)間線上對(duì)推文進(jìn)行排序的主要信號(hào)。在這個(gè)階段，所有的候選項(xiàng)都被平等對(duì)待，而不考慮它來(lái)自哪個(gè)候選來(lái)源。
排序是通過一個(gè)約 4800 萬(wàn)參數(shù)的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的，該網(wǎng)絡(luò)在推特互動(dòng)數(shù)據(jù)上不斷訓(xùn)練，以優(yōu)化積極的參與（例如，贊、轉(zhuǎn)發(fā)和回復(fù)）。這個(gè)排序機(jī)制考慮到了成千上萬(wàn)的特征，并輸出十個(gè)標(biāo)簽來(lái)給每條推文打分，其中每個(gè)標(biāo)簽代表了參與的概率。然后，推特根據(jù)這些分?jǐn)?shù)對(duì)推文進(jìn)行排名。
啟發(fā)式、濾波器和產(chǎn)品功能
在排序階段之后，推特應(yīng)用啟發(fā)式和濾波器來(lái)實(shí)現(xiàn)各種產(chǎn)品功能。這些功能會(huì)協(xié)同工作以創(chuàng)建平衡且多樣化的提要。一些例子包括：
可見性過濾：根據(jù)內(nèi)容和用戶偏好過濾掉推文。例如，刪除其屏蔽或靜音的帳戶的推文。
作者多樣性：避免來(lái)自同一作者的太多連續(xù)推文。
內(nèi)容平衡：確保推特提供網(wǎng)絡(luò)內(nèi)和網(wǎng)絡(luò)外推文的公平和平衡。
基于反饋的疲勞分析：如果用戶提供了負(fù)面反饋，則降低某些推文的分?jǐn)?shù)。
社會(huì)證明：排除與推文沒有二級(jí)關(guān)聯(lián)的網(wǎng)絡(luò)外推文作為質(zhì)量保障。換句話說(shuō)，確保你關(guān)注的人參與了這條推文或關(guān)注了推文的作者。
對(duì)話：通過將回復(fù)與原始推文串連在一起，為回復(fù)提供更多上下文。
已編輯的推文：確定設(shè)備上當(dāng)前的推文是否過時(shí)，并發(fā)送指令以將其替換為已編輯的版本。
混合與服務(wù)
至此，Home Mixer 已準(zhǔn)備好發(fā)送到用戶設(shè)備的一組推文。作為流程的最后一步，系統(tǒng)將推文與其他非推文內(nèi)容（如廣告、關(guān)注推薦和 Onboarding prompt）混合在一起，這些內(nèi)容將返回到用戶設(shè)備上進(jìn)行顯示。
上述 pipeline 每天運(yùn)行大約 50 億次，平均完成時(shí)間不到 1.5 秒。單個(gè) pipeline 執(zhí)行需要 220 秒的 CPU 時(shí)間，幾乎是在應(yīng)用程序上看到的延遲的 150 倍。
推特正在開發(fā)更多新功能，為用戶提供更多的透明度。下一步計(jì)劃包括：
為創(chuàng)作者提供更好的推特分析平臺(tái)，提供更多關(guān)于影響力和參與度的信息；
提高應(yīng)用到用戶推文或帳戶的任何安全標(biāo)簽的透明度；
更好地了解推文出現(xiàn)在時(shí)間線上的原因。
最后，在代碼公開的幾個(gè)小時(shí)內(nèi)，已經(jīng)有人在推特代碼中找到了一些「奇怪」的地方。
比如馬斯克在推特算法中有自己的特征類：
或許馬斯克在神經(jīng)網(wǎng)絡(luò)中也有自己的特殊嵌入向量。
另外還有專屬的變量：
畢竟人家是公司老板。
不知在網(wǎng)友的挖掘之下，還能發(fā)現(xiàn)推特代碼里哪些有趣之處？
參考鏈接：https://blog.twitter.com/engineering/en_us/topics/open-source/2023/twitter-recommendation-algorithm
關(guān)鍵詞：
