Facebook добавил в алгоритм новостной ленты дополнительный сигнал ранжирования постов
Теперь социальная сеть научится автоматически определять, какие новости были бы интересны пользователю больше всего.
Публикации для показа будут определяться на основании предыдущей активности владельца аккаунта в ленте; его интересов; а также, исходя из анализа участия в обсуждениях.
При разработке нового сигнала использовались данные опросов самых разных категорий пользователей о том, какие посты на Facebook они находят информативными и интересными. Исследование проводилось в рамках Feed Quality Program. Людям показывали новостную ленту, а затем просили оценить публикации по пятибалльной шкале в зависимости от степени их информативности и полезности. На основании этих данных алгоритм самообучается, формирует новостную ленту с учетом интересов каждого владельца Facebook-аккаунта и размещает в верхней части страницы только релевантные публикации.
«Это могут быть новостные заметки, информация о текущих событиях, истории из жизни знаменитостей, региональные новости, обзоры новых фильмов, рецепты. Словом, всё, что только способно заинтересовать пользователя», – комментируют представители Facebook.
Ожидается, что изменение будет масштабным и затронет большой процент пользователей и публикаций.
В июне 2016 Facebook объявил о запуске нового алгоритма формирования новостной ленты. Теперь приоритет будет отдаваться записям друзей и родных пользователя. С февраля 2016 года лента новостей в Facebook формировалась, исходя из предпочтений самих пользователей, а не интересов их друзей, как было ранее. После обновления в начале новостной ленты начали показываться публикации друзей пользователя – в первую очередь фотографии и видеоролики. Затем – информационный и развлекательный контент.
В этом месяце социальная сеть начала активную борьбу с кликбейтингом в заголовках публикаций, которые показываются в лентах пользователей. Охват аудитории социальной сети такими материалами будет уменьшен в разы. Для выявления подобных нарушений Facebook будет использовать алгоритмы машинного обучения.
