- Las burbujas de amigos en Facebook Reels resaltan los Reels que a tus amigos les han gustado o a los que han reaccionado, ayudándote a descubrir contenido nuevo y facilitando la conexión a través de intereses compartidos.
- Este artículo explica la edificio técnica detrás de las burbujas de amigos, incluyendo cómo el formación inevitable estima la fortaleza de las relaciones y clasifica el contenido con el que han interactuado sus amigos para crear más oportunidades de billete y conexión significativas.
Las burbujas de amigos mejoran la experiencia social en Facebook Reels al ayudarte a descubrir contenido que disfrutan tus amigos, crear una experiencia de visualización compartida y gestar nuevas conversaciones. Con un toque rápido en una burbuja, puedes iniciar una conversación individual con cualquier amigo que haya interactuado con ese carrete.
Esta función combina señales sociales y de interés para encomendar contenido personalizado más relevante y, al mismo tiempo, proporcionar el inicio de conversaciones con las personas que más le importan. Cuando los videos se conectan tanto con intereses personales como con intereses relacionados con amigos, crean un circuito de feedback que restablecimiento las recomendaciones y fortalece las conexiones sociales.
Una descripción genérico de la edificio del sistema Friend Bubbles
El sistema de recomendación de burbujas de amigos incluye varios componentes que funcionan en conjunto para mostrar contenido relevante en el que interactúan amigos al combinar señales de calidad de video con señales de gráficos sociales:
- Cercanía entre el espectador y el amigo (cuyas interacciones son más importantes): Identifica qué interacciones de amigos tienen más probabilidades de interesar al espectador.
- Relevancia del video (qué videos mostrar): Clasifica vídeos que son contextualmente relevantes para el espectador.
Las interacciones de múltiples amigos en el mismo video a menudo indican un interés compartido más musculoso y una anciano relevancia. El contenido que surge a través de conexiones de amigos además tiende a ser de ingreso calidad, lo que crea un tirabuzón de refuerzo: el descubrimiento social aumenta el compromiso, y ese compromiso fortalece aún más el representación social.
Cercanía espectador-amigo: identificación de amigos con modelos de cercanía usuario-usuario
Las burbujas de amigos se basan en dos modelos complementarios de formación inevitable para identificar las conexiones con las que una persona se siente más cercana. Un maniquí se basamento en los comentarios de las encuestas de los usuarios; el otro se basamento en interacciones en la plataforma.
El maniquí de cercanía basado en encuestas se basamento en un amplio conjunto de señales, incluidas características de gráficos sociales (amigos en popular, intensidad de la conexión, patrones de interacción) y atributos del heredero (señales demográficas y de comportamiento como la ubicación proporcionada por el heredero, la cantidad de amigos y la cantidad de publicaciones compartidas) para construir una imagen más completa de las relaciones en el mundo existente.
Se entrena con una cadencia regular mediante una indagación binaria liviana en la que se pregunta a un peña seleccionado al azar de usuarios de Facebook si se sienten cercanos a una conexión específica en la vida existente. La indagación está estructurada como un problema de predicción cercana frente a no cercana, se actualiza periódicamente para perseverar las etiquetas actualizadas e incluye preguntas que actúan como indicadores de la solidez de las relaciones fuera de renglón (como la frecuencia con la que se comunican dos personas). En producción, el maniquí realiza inferencias semanales sobre billones de conexiones de persona a persona entre amigos de Facebook.
Si acertadamente la cercanía basada en encuestas proporciona una almohadilla sólida, las burbujas de amigos además utilizan un maniquí de predicción de cercanía específico del contexto entrenado en señales de actividad en la plataforma, utilizando interacciones reales que ocurren cuando se muestran las burbujas (por ejemplo, me gusta, comentarios y acciones compartidas). Esto permite que el maniquí capture la cercanía en contexto: la probabilidad de que un espectador valore el contenido recomendado por alguno en su representación de amigos en función de cómo interactúan entre sí en la plataforma.
Nuestro enfoque enfatiza la calidad de la conexión sobre la cantidad. Si acertadamente la prevalencia de burbujas aumenta lógicamente con gráficos de amigos más grandes, mostrar más videos de burbujas no necesariamente aumenta la billete de los usuarios. El objetivo es sacar a la luz las conexiones de amigos adecuadas (aquellas que tienen más probabilidades de hacer que el contexto social sea significativo) utilizando una combinación de señales de cercanía existentes y características específicas de la superficie que reflejan mejor la dinámica de la relación detrás de las recomendaciones impulsadas por amigos.
Relevancia del vídeo: hacer que el sistema de clasificación tenga en cuenta el contenido de amigos
Utilizamos dos estrategias esencia para avalar que el contenido de ingreso calidad con interacción de amigos pueda avanzar a través del embudo de recomendación y durar a los usuarios: expandir la parte superior del embudo y permitir que los modelos clasifiquen el contenido de la burbuja de amigos de guisa efectiva a través de un ciclo de feedback continuo.
Inventario de acumulación: ampliar la parte superior del embudo
La etapa de recuperación obtiene videos candidatos basados en amigos cercanos, identificados por el maniquí de cercanía descrito anteriormente. Al recuperar explícitamente contenido con interacción de amigos, ampliamos la parte superior del embudo para avalar un tamaño suficiente de candidatos para las etapas de clasificación posteriores. Esto es importante porque, sin él, es posible que el contenido de amigos de ingreso calidad nunca entre en el ranking.
Permitir que los modelos clasifiquen el contenido de sus amigos de guisa efectiva a través de un ciclo de feedback continuo
Una idea esencia de nuestro proceso de exposición fue comprender por qué los videos en los que interactúan amigos a veces tenían dificultades para obtener una clasificación ingreso: no era porque fueran de desvaloración calidad, sino porque el maniquí carecía de un contexto de cercanía entre usuarios. Sin ese contexto, el maniquí no puede ilustrarse qué hace que el contenido de amigos sea excepcionalmente valioso: es proponer, que su relevancia a menudo está impulsada por la fortaleza de la relación y el significado social en ocasión de las mismas señales que explican el interés en contenido más genérico.
Para afrontar esta brecha, integramos señales de interacción entre amigos y burbujas como características y agregamos nuevas tareas en los modelos de clasificación multitarea y etiquetas múltiples (MTML) de etapa original y tardía para incorporar la fortaleza de la relación espectador-amigo y ilustrarse sobre la billete posterior en videos con burbujas sociales. Con estas señales agregadas a lo desprendido del embudo de clasificación, los modelos pueden convenir mejor el valencia del contenido en el que interactúan los amigos, conocer la relación entre la cercanía y el interés del espectador y clasificar mejor el contenido de amigos de ingreso calidad cuando es más relevante.
El sistema incluye un circuito de feedback continua en el que los datos de interacción entre amigos y burbujas regresan al entrenamiento del maniquí. Este tirabuzón ayuda al sistema de clasificación a mejorar su comprensión de qué combinaciones de contenido y amigos resuenan entre los usuarios.
Aumentamos nuestra fórmula de clasificación de videos existente, que incluye varios objetivos de optimización, con un objetivo de clasificación de burbuja de amigos diseñado para maximizar la billete genérico del video. Consideramos métricas de interacción como el tiempo de visualización, los comentarios y los me gusta, y utilizamos un término de probabilidad condicional. P(billete del video | impresión de burbuja)para predecir la probabilidad de que un heredero interactúe con un vídeo a posteriori de ver una burbuja de amigos.
Esto se equilibra con ponderaciones ajustables que gestionan las compensaciones entre la interacción social y la billete en el video, lo que nos permite optimizar la conexión social (ayudando a las personas a descubrir videos que les gustan a sus amigos) y la calidad del contenido. Esta optimización dual captura la propuesta de valencia central del sistema de clasificación de contenido de amigos: permitir una conexión sin esfuerzo a través del descubrimiento pasivo de amigos, desear entretenimiento a través de contenido relevante y reforzar las relaciones al convertir videos compartidos en puntos de contacto naturales para la conversación.
Infraestructura del cliente detrás de imagen: rendimiento a escalera de carretes
Reels es una superficie sensible al rendimiento, por lo que unir nuevos metadatos por video no es tan simple como unir otro campo. Si aumenta el trabajo durante el desplazamiento o retrasa la reproducción, puede perjudicar la experiencia principal del heredero. Cuando integramos burbujas de amigos, tratamos tres restricciones como no negociables:
- Desplazamiento suave
- Sin regresiones en la latencia de carga
- Depreciación sobrecarga de CPU para la recuperación y el procesamiento de metadatos
El sistema de entrega de vídeos de Facebook ya realiza un importante trabajo de búsqueda previa ayer de la reproducción. Precarga metadatos, miniaturas y contenido almacenado en búfer ayer de que un vídeo llegue a la ventana gráfica. Fijamos la recuperación de metadatos de la burbuja de amigos en esa misma ventana de búsqueda previa, lo que nos brindó varios beneficios: pudimos reutilizar los resultados almacenados en personalidad para datos estables, evitar el trabajo redundante de la CPU y jalonar las solicitudes de red desperdiciadas mediante el uso de una ruta de búsqueda ya optimizada.
Conveniente a que los datos de las burbujas llegaron adjunto con el contenido del video, pudimos renderizar las burbujas al mismo tiempo que el video en sí, eliminando las actualizaciones y redibujos de la interfaz de heredero durante la reproducción.
Además hicimos que la animación fuera estrictamente condicional. Durante el desplazamiento y la interacción activos, la animación se desactiva para preservar la capacidad de respuesta del desplazamiento. En dispositivos de gradación desvaloración donde incluso la animación inactiva podría comprometer el rendimiento, la desactivamos por completo. Próximo con optimizaciones adicionales en el método subyacente, este enfoque nos permitió cursar burbujas de amigos preservando el rendimiento central de los carretes.
Por qué los metadatos deben ganarse su ocasión
Una interfaz de heredero más limpia suele ser mejor y los nuevos metadatos pueden resultar contraproducentes si añaden ruido o ralentizan la experiencia. Las burbujas de amigos funcionan porque la señal es de gran valencia: agrega un contexto social significativo que ayuda a las personas a osar qué vale la pena ver.
Al establecer un comienzo conservador para el cual los amigos son elegibles para aparecer, garantizamos que las burbujas aparezcan solo cuando la señal de relación, según lo determinado por el maniquí de cercanía usuario-usuario, sea musculoso. Ese enfoque reduce el desorden y al mismo tiempo restablecimiento la experiencia de visualización en genérico, lo que se refleja en un anciano tiempo de visualización de videos.
El impacto y el futuro de las burbujas amigas
Las burbujas de amigos mejoran la relevancia del contenido y la calidad de la billete. En las encuestas de comentarios de los usuarios, los videos anotados con burbujas reciben constantemente puntuaciones de interés más altas y calificaciones de sentimientos más positivos que los videos sin burbujas.
Más allá de la relevancia, las burbujas mejoran la calidad de la sesión de la aplicación, no solo la cantidad. Los usuarios que ven burbujas pasan más tiempo mirando e interactuando activamente con el contenido, y el crecimiento se concentra en sesiones más largas en ocasión de registros breves. Las mejoras provienen principalmente de un anciano consumo de vídeo. Las señales relacionadas con las burbujas muestran un impresión retardado en los patrones de billete a desprendido plazo, lo que sugiere que la exposición repetida al contenido con el que han interactuado los amigos genera un interés sostenido a lo desprendido del tiempo.
Al mostrar contenido con el que han interactuado los amigos, las burbujas además exponen a los usuarios a una gradación más amplia de temas y creadores de los que de otro modo encontrarían de forma orgánica. Los usuarios no se limitan a ocurrir pasivamente por este contenido: participan activamente a través de Me gusta, comentarios, acciones compartidas y seguidores, lo que indica que el contenido recomendado por amigos puede resonar incluso cuando no se encuentra en el interior de sus intereses típicos.
No todas las señales de amistad son iguales. Las burbujas provocadas por reacciones expresivas como el bienquerencia o la risa generan un compromiso posterior más musculoso que los simples me gusta, particularmente para comentarios y acciones privadas, lo que sugiere que las reacciones expresivas indican una resonancia más musculoso. La billete además aumenta constantemente con la cantidad de burbujas de amigos mostradas, lo que significa que los videos con múltiples interacciones de amigos tienden a tener un mejor rendimiento.
A continuación, ampliaremos el sistema para aumentar el impacto y la solidez al expandir las recomendaciones basadas en amigos (al mismo tiempo que preservamos la calidad) a superficies e inventario adicionales, mejorar el puesta en marcha en frío para personas con gráficos de amigos limitados y refinar la clasificación y las señales de feedback para una mejor personalización.
En última instancia, esta edificio ilustra cómo el formación inevitable puede reforzar la conexión humana a escalera, ayudando a las personas a descubrir intereses compartidos y facilitando el inicio de conversaciones con las personas que más importan. Cuando tus amigos disfrutan de poco quimérico, tú además puedes descubrirlo y estás a solo un toque de susurrar de ello juntos.
Para obtener más información sobre las burbujas de Facebook, turista el Sala de prensa meta.