• Les bulles d'amis dans les bobines Facebook mettent en évidence les bobines, que vos amis ont aimé ou auquel ils ont réagi. Cela vous permet de découvrir de nouveaux contenus et de vous connecter plus facilement sur des intérêts partagés.
• Cet article explique l'architecture technique derrière les bulles d'amis, y compris la manière, comment l'apprentissage automatique estime la force de la relation et classe le contenu, avec qui vos amis ont interagi, pour créer plus d’opportunités d’engagement et de connexion significatives.

Les bulles d'amis améliorent l'expérience sociale sur Facebook Reels, en vous aidant, Découvrir le contenu, que tes amis aiment, créer une expérience visuelle partagée et stimuler de nouvelles conversations. En appuyant rapidement sur une bulle, vous pouvez démarrer une conversation personnelle avec n'importe quel ami, qui s'est occupé de cette bobine.

Cette fonctionnalité combine les signaux sociaux et d'intérêt, être pertinent, Recommander du contenu personnalisé tout en facilitant la tâche, Démarrer des conversations avec des gens, qui sont les plus importants pour toi. Lorsque les vidéos font appel à des intérêts à la fois personnels et liés aux amis, ils créent une boucle de rétroaction, qui améliore les recommandations et renforce les liens sociaux.

Un aperçu de l'architecture du système Friend Bubbles

Le système de parrainage de bulles d'amis comprend plusieurs composants, qui travaillent ensemble, un pertinent, Afficher le contenu interagi avec des amis, en combinant les signaux de qualité vidéo avec les signaux des graphiques sociaux:

• Proximité entre spectateur et ami (dont les interactions sont les plus importantes): Identifié, quelles interactions entre amis sont les plus susceptibles d'intéresser le spectateur.
• Pertinence de la vidéo (quelles vidéos doivent être affichées): Vidéos de tarifs, qui sont contextuellement pertinents pour le spectateur.

Les interactions entre plusieurs amis sur la même vidéo signalent souvent un plus grand intérêt partagé et une plus grande pertinence. Contenu, qui apparaissent via des contacts d'amitié, sont également généralement de haute qualité, créer une boucle de renforcement: La découverte sociale augmente l'engagement, et cet engagement renforce encore le graphe social.

Proximité spectateur-ami: Identifier les amis avec des modèles de proximité utilisateur-utilisateur

Les bulles d'amis s'appuient sur deux modèles de machine learning complémentaires, enquêter, de quelles connexions une personne se sent la plus proche. Un modèle est basé sur les commentaires d'une enquête auprès des utilisateurs. l'autre est basé sur les interactions sur la plateforme.

Le modèle de proximité basé sur une enquête s'appuie sur un large éventail de signaux, y compris les fonctions de graphe social (amis communs, Force de connexion, Modèles d'interaction) et attributs utilisateur (comportement- et des signaux démographiques tels que la localisation fournie par l'utilisateur, le nombre d'amis et le nombre de publications partagées), pour créer une image plus complète des relations réelles.

La formation a lieu à intervalles réguliers à l'aide d'une simple enquête binaire, dans lequel il est demandé à un groupe d'utilisateurs de Facebook sélectionnés au hasard, s'ils se sentent connectés à une connexion particulière dans la vie réelle. L’enquête est présentée comme un problème permettant de prédire « proche » vs.. "pas proche" structuré, est mis à jour régulièrement, pour garder les noms à jour, et contient des questions, qui servent d'indicateur de la force de la relation hors ligne (z. B. à quelle fréquence deux personnes communiquent). En production, le modèle effectue des inférences hebdomadaires sur des milliards de connexions personnelles entre amis Facebook.

Si la proximité basée sur les enquêtes constitue une base solide, Les bulles d'amis utilisent également un modèle de prédiction de proximité spécifique au contexte, qui est formé sur les signaux d'activité sur la plateforme et utilise des interactions réelles, qui se produisent, quand des bulles apparaissent (z. B. Goûts, Commentaires et partage). Cela permet au modèle, Comprendre la proximité dans son contexte – quelle est sa probabilité, qu'un téléspectateur apprécie le contenu, que quelqu'un a recommandé dans le graphique de ses amis, basé sur cela, comment ils interagissent les uns avec les autres sur la plateforme.

Notre approche privilégie la qualité de la connexion à la quantité. Alors que la prévalence des bulles augmente naturellement avec des graphiques d'amis plus grands, Afficher plus de vidéos de bulles n'augmente pas nécessairement l'engagement des utilisateurs. Le but est que, découvrir les bonnes relations d'amitié - celles, les plus susceptibles de donner un sens au contexte social en utilisant une combinaison de signaux de proximité existants et de caractéristiques spécifiques à la surface, qui reflètent mieux la dynamique relationnelle derrière les recommandations formulées par des amis.

Pertinence de la vidéo: Sensibiliser au système de classement pour le contenu des amis

Nous utilisons deux stratégies clés, pour assurer, cette haute qualité, Le contenu avec lequel vous avez interagi avec des amis peut parcourir l'entonnoir de recommandation et atteindre les utilisateurs.: Élargir le haut de l'entonnoir et permettre aux modèles de classer efficacement le contenu dans la bulle des amis grâce à une boucle de rétroaction continue.

Approvisionnement en inventaire: Développez le haut de l'entonnoir

Lors de la phase de récupération, les vidéos candidates sont identifiées en fonction des amis proches, qui sont identifiés par le modèle de proximité décrit ci-dessus. En récupérant explicitement le contenu, avec lesquels des amis ont interagi, élargissons le haut de l'entonnoir, garantir un volume suffisant de candidats pour les niveaux de classement suivants. C'est important, sinon, le contenu d'amis de haute qualité pourrait même ne pas entrer dans le pipeline de classement.

Activer les modèles, Évaluez efficacement le contenu de vos amis grâce à une boucle de rétroaction continue

Un élément important de notre processus de développement était la compréhension, pourquoi les vidéos, avec lesquels des amis ont interagi, a parfois eu des difficultés, pour atteindre un classement élevé: Ce n'était pas le cas, qu'ils étaient de mauvaise qualité, mais à propos de ça, que le modèle manquait de contexte de proximité utilisateur-utilisateur. Sans ce contexte, le modèle ne peut pas apprendre, ce qui rend le contenu d'amis particulièrement précieux, à savoir, que leur pertinence dépend souvent de la force de la relation et de l'importance sociale plutôt que des mêmes signaux, ce qui explique l'intérêt d'un contenu plus général.

Pour combler cet écart, Nous avons intégré des signaux d'interaction ami-bulle en tant que fonctionnalités et nouvelles tâches dans les deux modèles multi-tâches multi-étiquettes. (MTML) ajouté pour le classement précoce et tardif, prendre en compte la force de la relation spectateur-ami et apprendre l'engagement en aval dans les vidéos de bulles sociales. En ajoutant ces signaux tout au long de l'entonnoir de classement, les modèles peuvent déterminer la valeur du contenu, avec lesquels des amis ont interagi, mieux reconnaître, Apprenez le lien entre la proximité et l'intérêt du spectateur, puis classez plus haut le contenu de vos amis de haute qualité., quand ils sont les plus pertinents.

Le système comprend une boucle de rétroaction continue, dans lequel les données sur l'interaction entre l'ami et la vessie sont réinjectées dans la formation du modèle. Cette boucle aide le système de classement, pour mieux comprendre, quelles combinaisons ami-contenu trouvent un écho auprès des utilisateurs.

Nous avons notre formule de classement vidéo existante, qui comprend plusieurs objectifs d'optimisation, élargi pour inclure un objectif de classement des bulles d'amis, qui est conçu pour ça, Maximisez l’engagement vidéo global. Nous prenons en compte les mesures d'engagement telles que la durée de visionnage, Commentez et aimez et utilisez un terme de probabilité conditionnelle. P.(Engagement vidéo | Impression de bulles)prédire la probabilité, avec lequel un utilisateur interagit avec une vidéo, après avoir vu une bulle d'un ami.

Ceci est compensé par des pondérations réglables, gérer les compromis entre l'interaction sociale et l'engagement vidéo, pour que nous ayons un lien social (pour que les gens puissent aider, Des vidéos à découvrir, que leurs amis aiment) et optimiser la qualité du contenu. Cette double optimisation capture la proposition de valeur fondamentale du système de classement de contenu Friends: Permettre une connexion sans effort grâce à la découverte passive d'amis, Offrez du divertissement grâce à du contenu pertinent et renforcez les relations en transformant les vidéos partagées en points de contact de conversation naturels.

Infrastructure client en coulisses: Performances à l'échelle du rouleau

Étant donné que Reels est une surface sensible aux performances, Ajouter de nouvelles métadonnées par vidéo n'est pas aussi simple que d'ajouter un autre champ. Si cela augmente le travail lors du défilement ou retarde la lecture, Cela peut avoir un impact sur l'expérience principale de l'utilisateur. Lors de l'intégration des bulles d'amis, nous avons traité trois contraintes comme non négociables:

1. Défilement fluide
2. Pas de régression de la latence de chargement
3. Faible surcharge du processeur pour la récupération et le traitement des métadonnées

Le système de diffusion vidéo de Facebook effectue un travail de prélecture important avant même la lecture. Il charge les métadonnées, Miniatures et contenu mis en mémoire tampon, avant qu'une vidéo n'atteigne la fenêtre d'affichage. Nous avons épinglé la récupération des métadonnées des bulles d'amis dans la même fenêtre de prélecture, ce qui nous a apporté plusieurs avantages: Nous avons pu réutiliser les résultats mis en cache pour des données stables, Évitez le travail redondant du processeur et limitez les requêtes réseau inutiles en utilisant un chemin d'interrogation déjà optimisé..

Depuis que les données des bulles sont arrivées avec le contenu vidéo, nous avons pu restituer les bulles en même temps que la vidéo elle-même, qui a éliminé les mises à jour et les redessins de l'interface utilisateur pendant la lecture.

Nous avons également rendu l'animation strictement conditionnelle. L'animation est désactivée pendant le défilement actif et l'interaction, pour maintenir la réactivité lors du défilement. Sur les appareils bas de gamme, où même les animations inactives pourraient affecter les performances, éteignons-les complètement. Associée à des optimisations supplémentaires dans la méthode sous-jacente, cette approche nous a permis, Envoi de bulles d'amis tout en conservant les performances de base des rouleaux.

Pourquoi les métadonnées doivent gagner leur place

Une interface utilisateur plus propre est généralement meilleure, et les nouvelles métadonnées peuvent se retourner contre vous, s'ils ajoutent du bruit supplémentaire ou ralentissent l'expérience. Les bulles d'amis fonctionnent, parce que le signal a une valeur élevée: Ils ajoutent un contexte social significatif, qui aide les gens à prendre des décisions, ce que ça vaut, être vu.

En fixant un seuil conservateur, d'où les amis peuvent apparaître, nous nous assurons, que les bulles ne s'affichent qu'alors, si la relation signale, qui est déterminé par le modèle de proximité utilisateur-utilisateur, est fort. Cette approche réduit l'encombrement tout en améliorant l'expérience visuelle globale, ce qui se reflète dans une durée de lecture vidéo plus longue.

L'impact et l'avenir des bulles d'amis

Les bulles d'amis améliorent la pertinence du contenu et la qualité de l'engagement. Dans les enquêtes de satisfaction des utilisateurs, les vidéos comportant des bulles de commentaires reçoivent systématiquement des scores d'intérêt et des sentiments plus positifs que les vidéos sans bulles..

Au-delà de la pertinence, les bulles améliorent la qualité des sessions applicatives, pas seulement la quantité. utilisateur, voir les bulles, y consacrer plus de temps, Visualisez et interagissez activement avec le contenu, avec une croissance axée sur des sessions plus longues plutôt que sur des enregistrements courts. Les améliorations résultent principalement d’une consommation vidéo plus intensive. Les signaux liés aux bulles montrent un effet retardé sur les modèles d'interaction à long terme, ce qui suggère ceci, ce contact répété avec le contenu, avec lesquels des amis ont interagi, suscite un intérêt soutenu au fil du temps.

Par l'émergence de contenus, avec lesquels des amis ont interagi, Les bulles rendent également accessible aux utilisateurs un plus large éventail de thèmes et de créateurs., qu'ils ne rencontreraient autrement de manière organique. Les utilisateurs ne se contentent pas de faire défiler passivement ce contenu, mais participez activement via des « j’aime »., Commentaires, Partages et suivis, ce qui suggère ceci, dass von Freunden empfohlene Inhalte auch dann Anklang finden können, wenn sie außerhalb ihrer typischen Interessen liegen.

Nicht alle Freundschaftssignale sind gleich. Durch ausdrucksstarke Reaktionen wie Liebe oder Lachen ausgelöste Blasen führen zu einem stärkeren Downstream-Engagement als einfache „Gefällt mir“-Angaben, insbesondere bei Kommentaren und privaten Freigaben, ce qui suggère ceci, dass ausdrucksstarke Reaktionen eine stärkere Resonanz signalisieren. Das Engagement skaliert auch konsistent mit der Anzahl der angezeigten Freundesblasen, was bedeutet, dass Videos mit mehreren Freundesinteraktionen tendenziell eine bessere Leistung erbringen.

Als nächstes skalieren wir das System, um die Wirkung und Robustheit zu erhöhen, indem wir freundgesteuerte Empfehlungen – unter Beibehaltung der Qualität – auf zusätzliche Oberflächen und Inventar ausweiten, den Kaltstart für Personen mit begrenzten Freundesdiagrammen verbessern und Ranking- und Feedbacksignale für eine bessere Personalisierung verfeinern.

Letztendlich veranschaulicht diese Architektur, wie maschinelles Lernen die zwischenmenschlichen Verbindungen in großem Maßstab stärken kann, indem es Menschen dabei hilft, gemeinsame Interessen zu entdecken und es einfacher macht, Démarrer des conversations avec des gens, die ihnen am wichtigsten sind. Wenn Ihren Freunden etwas Tolles gefällt, können Sie es auch entdecken – und Sie sind nur einen Fingertipp davon entfernt, gemeinsam darüber zu sprechen.

Weitere Informationen zu Facebook Bubbles finden Sie unter Meta-Newsroom.