- Estamos compartiendo cómo Meta está aplicando el educación forzoso (ML) y los algoritmos de variedad para mejorar la calidad de la notificación y la experiencia del heredero.
- Hemos introducido un entorno de clasificación de notificaciones con conocimiento de variedad para achicar la igualdad y ofrecer una combinación de notificaciones más variada y atractiva.
- Este nuevo entorno reduce el barriguita de notificaciones e impulsa tasas de billete más altas a través de una divulgación más diversa.
Las notificaciones son una de las herramientas más poderosas para traer a las personas de regreso a Instagram y mejorar el compromiso. Ya sea a un amigo que le guste tu foto, otro amigo cercano que publique una historia o una sugerencia para un carrete que puedas disfrutar, las notificaciones ayudan a los momentos de superficie que importan en tiempo vivo.
Instagram aprovecha los modelos de educación forzoso (ML) para osar quién debe aceptar una notificación, cuándo enviarlo y qué contenido incluir. Estos modelos están capacitados para optimizar la billete positiva del heredero, como la tasa de clics (CTR), la probabilidad de que un heredero haga clic en una notificación, así como otras métricas como el tiempo dedicado.
Sin bloqueo, si proporcionadamente los modelos optimizados por el compromiso son efectivos para impulsar las interacciones, existe el aventura de que puedan priorizar sobre los tipos de productos y los autores que alguno se ha involucrado previamente. Esto puede conducir a la sobreexposición a los mismos creadores o a los mismos tipos de productos al tiempo que viene otras experiencias valiosas y diversas.
Esto significa que las personas podrían perder el contenido que les daría una experiencia más equilibrada, satisfactoria y enriquecida. Con el tiempo, esto puede hacer que las notificaciones se sientan spam y aumentar la probabilidad de que las personas los desactiven por completo.
El serio desafío radica en encontrar el firmeza correcto: ¿cómo podemos introducir una variedad significativa en la experiencia de notificación sin ofrendar la personalización y la relevancia que las personas en Instagram esperan?
Para asaltar esto, hemos introducido un entorno de clasificación de notificaciones consciente de la variedad que ayuda a ofrecer notificaciones más diversas, mejor curadas y menos repetitivas. Este entorno ha corto significativamente el barriguita de notificación diaria al tiempo que perfeccionamiento el CTR. Todavía introduce varios beneficios:
- La extensibilidad de incorporar razonamiento de penalización suave personalizada (degradación) para cada dimensión, lo que permite estrategias de variedad más adaptativas y sofisticadas.
- El flexibilidad de ajustar la fuerza de degradación a través de dimensiones como contenido, autor y tipo de producto a través de pesos ajustables.
- La integración del firmeza de la personalización y la variedad, asegurando que las notificaciones sigan siendo relevantes y variadas.
Los riesgos de notificaciones sin variedad
El tema de la sobreexposición en las notificaciones a menudo aparece de dos maneras principales:
Sobreexposición al mismo autor: Las personas pueden aceptar notificaciones que son principalmente sobre el mismo amigo. Por ejemplo, si alguno a menudo interactúa con el contenido de un amigo en particular, el sistema puede continuar con las notificaciones de esa persona sola, ignorando a otros amigos con los que incluso se involucran. Esto puede sentirse repetitivo y unidimensional, lo que reduce el valía universal de las notificaciones.
Sobreexposición a la misma superficie del producto: La clan podría aceptar notificaciones de la misma superficie del producto, como historias, incluso cuando los alimentos o los carretes podrían proporcionar valía. Por ejemplo, alguno puede estar interesado en las notificaciones de carrete y historias, pero recientemente ha interactuado con más frecuencia con historias. Adecuado a que el sistema prioriza en gran medida el compromiso pasado, envía solo notificaciones de la historia, pasando por parada los intereses más amplios de la persona.
Inclusión al entorno de clasificación de notificaciones de variedad de Instagram
El entorno de clasificación de notificaciones de variedad de Instagram está diseñado para mejorar la experiencia de notificación al equilibrar el potencial predicho para la billete del heredero con la penuria de la variedad de contenido. Este entorno introduce una capa de variedad por otra parte de los modelos ML de billete existentes, aplicando sanciones multiplicativas a los puntajes candidatos generados por estos modelos, como muestra la Figura 1, a continuación.
La capa de variedad evalúa la similitud de cada candidato de notificación con notificaciones recientemente enviadas en múltiples dimensiones, como contenido, autor, tipo de notificación y superficie del producto. Luego se aplica sanciones cuidadosamente calibradas, expresadas como factores de degradación multiplicativos, a los candidatos descendentes que son demasiado similares o repetitivos. Las puntuaciones ajustadas se utilizan para retornar a clasificar a los candidatos, lo que permite que el sistema seleccione notificaciones que mantengan un parada potencial de billete al tiempo que introduce una variedad significativa. Al final, la mostrador de calidad selecciona al candidato mejor clasificado que pasa tanto los criterios de clasificación como de variedad.
Formulación matemática
Internamente de la capa de variedad, aplicamos un hacedor de degradación multiplicativo al puntaje de relevancia colchoneta de cada candidato. Entregado un candidato de notificación 𝑐, calculamos su puntaje final como el producto de su puntaje de clasificación colchoneta y un multiplicador de degradación de variedad:
dónde R (c) representa el puntaje de relevancia colchoneta del candidato, y D (c) ∈ (0,1) es un hacedor de penalización que reduce la puntuación basada en la similitud con las notificaciones recientemente enviadas. Definimos un conjunto de dimensiones semánticas (por ejemplo, autor, tipo de producto) a lo dispendioso del cual queremos promover la variedad. Para cada dimensión i, Calculamos una señal de similitud pagi(do) entre el candidato do y el conjunto de notificaciones históricas Hutilizando un enfoque de relevancia insignificante máxima (MMR):
dónde simuladori(·, ·) es una función de similitud predefinida para la dimensión i. En nuestra implementación de tendencia de colchoneta, Pi(do) es binario: es igual a 1 si la similitud excede un paso 𝜏i y 0 de lo contrario.
El multiplicador de degradación final se define como:
donde cada uno wi ∈ (0,1) Controla la fuerza de la degradación para su dimensión respectiva. Esta formulación asegura que los candidatos similares a las notificaciones entregadas previamente a lo dispendioso de una o más dimensiones estén proporcionalmente a la quebranto, reduciendo la superfluidad y promoviendo la variación del contenido. El uso de una penalización multiplicativa permite un control flexible a través de múltiples dimensiones, al tiempo que preserva candidatos de ingreso relevancia.
El futuro de la clasificación consciente de la variedad
A medida que continuamos evolucionando nuestro sistema de clasificación de Notification Variedad, un subsiguiente paso es introducir estrategias de degradación dinámica más adaptativas. En motivo de echarse en brazos en las reglas estáticas, planeamos hacer que la fuerza de degradación responda al barriguita de notificación y al momento de la entrega. Por ejemplo, como un heredero recibe más notificaciones, especialmente de tipo similar o de rápida sucesión, el sistema aplica progresivamente sanciones más fuertes a los nuevos candidatos de notificación, mitigando efectivamente experiencias abrumadoras causadas por un parada barriguita de notificación o entregas fuertemente espaciadas.
A dispendioso plazo, vemos la oportunidad de traer grandes modelos de idiomas (LLM) a la tubería de variedad. LLMS puede ayudarnos a ir más allá de las reglas a nivel de superficie al comprender la similitud semántica entre los mensajes y la reformulación de contenido de formas más variadas y fáciles de usar. Esto nos permitiría personalizar las experiencias de notificación con un habla más rico y una relevancia mejorada al tiempo que mantiene la variedad entre los temas, el tono y el tiempo.