付費限定

Twitter 開源推薦演算法，從中了解社群媒體推送邏輯

IEObserve 國際經濟觀察

發佈於IEO 國際財經科技前沿觀察

更新於 2025/03/31發佈於 2023/04/01閱讀時間約 6 分鐘

Musk 接手Twitter後的一大工程，就是要把推特的演算法開源，讓Twitter成為更公開透明的社群媒體，並能讓大眾檢視、糾錯。

當然Musk也知道風險就是更透明的演算法，會讓更多人更容易針對推薦算法優化甚至濫用。但這會是一個動態的過程，馬斯克覺得試誤的價值是很高的。

另一個優點就是，開源就有開源社群免費幫你工作，省了一大筆錢（咦，這他沒說是我說的）

他還有開一個聊天室給大家算法公開的QA，你在Twitter上搜 Twitter Algorithm也有很多討論。

我們可以從Twitter最新的Blog抓取一些重點，快速了解一下他們推薦哪些貼文運用的邏輯有哪些：

Twitter 的推薦演算法運作

推特有幾個候選源，我們使用這些候選源為用戶檢索最近和相關的推文。對於每個請求，我們通過這些來源嘗試從數億條推文中提取最佳的 1500 條。我們從您關注的人（In-Network）和未關注的人（Out-of-Network）中尋找候選人。今天，For You 時間軸平均由 50％的 In-Network 推文和 50％的 Out-of-Network 推文組成，但這可能因用戶而異。

在你關注的人中，你們的預測互動概率 Real Graph 分數越高，越會出現在 For You 推文裡。

至於那些你根本沒關注的人，Twitter 採取了兩種方法解決如何了解是否與你相關這個問題。

Social Graph

第一個方法是通過分析您關注的人，或具有相似興趣的人的互動來估計您會認為哪些推文是相關的。

我們會全面掃描互動和關注圖譜來回答以下問題：

我關注的人最近參與了哪些推文？
誰喜歡和我類似的推文，他們最近還喜歡了什麼？

Embedding Spaces

嵌入空間 Embedding Spaces 方法旨在回答關於內容相似性的更一般性問題：哪些推文和用戶和我的興趣相似？

嵌入空間會給予用戶興趣和推文內容分數，用來計算 Embedding Spaces 中任意兩個用戶和推文之間的相似性，Twitter中最有用的嵌入空間就是 SimCluster，SimCluster 發現由一群有影響力的用戶組成的communities。每三週更新一次，Twitter 共有 14.5萬個communities。

每個用戶和推文可以屬於多個communities，上面這個圖就是最大的幾個社群，包含新聞、足球、流行明星等。通過查看推文在每個社群中的當下熱度，將推文嵌入這些社群中，來自同社群的用戶越喜歡，這個推文就會跟那個社群更相關。

這也是為什麼追熱點的貼文越容易爆，因為這是當下同社群共同關注有興趣的焦點。

排序 Ranking

至於要如何排序誰出現在你的 Timeline 動態牆前面，他們會有1500個推文作為候選，排序會通過4800萬參數的神經網絡不斷在推文互動上訓練優化，並輸出十個標籤為每個推文打分，每個標籤代表參與的概率，根據這些分數來進行排序。

在排序階段後，我們應用啟發式和過濾器來實現各種產品特點。這些特點共同作用，創建一個平衡和多樣化的推文流。一些例子包括：

能見度過濾器：根據您的偏好過濾推文。例如，刪除您block或mute帳戶的推文。
作者多樣性：避免太多連續來自同一作者的推文。
內容平衡：確保提供平衡的 In-Network 和 Out-of-Network 推文。
基於回饋的疲勞：如果觀看者對某些推文提供了負面回饋，則降低其分數。
社交證據：排除沒有與推文的第二度連接的 Out-of-Network 推文作為品質的保障。換句話說，確保您關注的某個人，參與了該推文或關注了該推文的作者。
對話：把原始推文與回覆的推文串串在一起，提供更多上下文Context。