馈送优化制造技术

在一示例中，获得多个潜在的馈送对象。还获得在用户界面中执行导航命令的用户的标识，该导航命令导致显示或更新馈送。向机器学习馈送对象排名模型馈送用户的标识和多个潜在的馈送对象，馈送对象排名模型已经通过机器学习算法被训练以针对潜在的馈送对象中的每一个计算得分，该得分基于以下的组合：用户将通过用户界面对潜在的馈送对象执行交互的可能性、该用户的交互将导致其他用户的一个或多个下游事件的可能性、以及该一个或多个下游事件对社交网络服务的价值。通过它们的得分将多个潜在的馈送对象排名。

Feed optimization

【技术实现步骤摘要】
馈送优化
一般而言，本公开涉及在机器学习模型中遭遇的技术问题。更具体而言，本公开涉及使用机器学习模型来优化社交网络服务馈送。
技术介绍
社交网络服务是人们用于建构社交网络或与其他人的社交关系的在线平台。近年来，社交网络服务向用户提供馈送已经变得流行，其中可以向已经登录到服务中的用户呈现感兴趣的更新或事项。例如，馈送可以包括针对已经被提升、已经改变工作等的用户的社交网络连接的指示。该馈送还可以包括用户感兴趣的文章，这是因为他们具有与用户的社交网络连接中的一个或多个的一些连接(例如，由朋友写的论文)或者是因为他们链接到该用户感兴趣的区域，如由社交网络服务所标识的(例如，该文章是关于用户已经标识为他们的用户信息中感兴趣的区域的主题)。对于社交网络服务而言，确定应该在馈送中显示许多潜在事项中的哪些以及应该以什么顺序来显示可能是挑战的。这典型地通过由社交网络服务实现的用于对要显示的潜在事项进行选择和排名的算法来处理。但是，这些算法是基于确定用户将以某一方式与该事项交互(例如，选择它、分享它、点赞它等)的可能性的。但是，这样的解决方案并不足够捕获到对系统的交互的价值。这是由在许多社交网络服务中出现下游效应导致的。下游效应涉及与特定的立即行动有关的、但是在特定的立即行动之后发生的、作为一个整体的对用户和对社交网络服务的效应。一个主要的示例是病毒动作的概念，其中在他或她的社交网络中与其他用户分享一事项的用户可能导致这些用户与该事项互动并可能与另外的用户共享该事项，等等。从技术的角度来看，设计可以充分捕获用户动作导致下游事件的可能性的算法很复杂，更不用说捕获这样的下游事件对用户或对社交网络服务自身的价值。附图简要说明通过示例且不限制的方式，在附图的图中描绘了本技术的一些实施例。图1为根据一示例性实施例的描绘客户端-服务器系统的框图。图2为示出与本公开的一些实施例一致的社交网络系统的功能组件的框图。图3为根据一示例性实施例更详细地描绘图2的应用服务器模块的框图。图4为根据一示例性实施例更详细地描绘图3的排名模型的框图。图5为根据一些示例性实施例的包括不同类别中的事项的用户馈送的截屏。图6为根据一示例性实施例的描绘用于在社交网络服务的用户界面中对馈送中的潜在对象进行排名的方法的流程图。图7为描绘可以在上文描述的一个或多个设备中的任何一个上安装的软件架构的框图。图8根据一示例性实施例描绘了计算机系统行使的机器的图形表示，在该机器中可以执行一组指令以使得该机器执行本申请中讨论的一个或多个方法中的任何一个。具体实施方式本公开描述了单独提供各种功能的方法、系统、和计算机程序产品等。在以下的描述中，为了解释的目的，给出了许多具体描述以提供对本公开的不同实施例的各个方面的透彻理解。但是，对本领域的熟练技术人员而言，将明显的是，可以在没有所以这些具体细节的情况下实施本公开。在一示例性实施例中，机器学习模型用于确定对在社交网络服务的馈送中可能潜在显示的事项采取病毒动作的概率。然后，可以使用该概率来对可能潜在显示的事项进行选择和排名，然后，可以使用该排名在社交网络馈送中实际显示一个或多个事项。图1为根据一示例性实施例的描绘客户端-服务器系统100的框图。联网的系统102通过网络104(例如，互联网或广域网(WAN))向一个或多个客户端提供服务器侧的功能。例如，图1描绘了在相应的客户端机器110和112上执行的网络客户端106(例如，浏览器)和程序客户端108。应用程序接口(API)服务器114和网络服务器116耦合到一个或多个应用服务器118，并分别向一个或多个应用服务器118提供程序化接口和网络接口。应用服务器118托管一个或多个应用120。继而，示出应用服务器118耦合到便于访问一个或多个数据库126的一个或多个数据库服务器124。虽然在图1中示出了用于形成部分联网的系统102的应用120，但是，将明白的是，在可供替换的实施例中，应用120可以形成与联网的系统102分离且不同的服务的一部分。此外，虽然图1中示出的客户端-服务器系统100使用了客户端-服务器架构，但是，当然，本公开不限于这样的架构，且可以等同地例如在分布式、或对等架构系统中找到应用。各种应用120也可以被实现为单独的软件程序，其未必具有联网能力。网络客户端106通过网络服务器116所支持的网络接口访问各种应用120。类似地，程序化客户端108通过由API服务器114提供的程序化接口访问由应用120提供的各种服务和功能。图1还将在第三方服务器130上执行的第三方应用128描绘为能够通过由API服务器114提供的程序化接口程序化访问联网的系统102。例如，第三方应用128可以使用从联网的系统102取回的信息而支持在由第三方托管的网站上的一个或多个特征或功能。例如，第三方网站可以提供由联网的系统102的相关应用120支持的一个或多个功能。在一些实施例中，本申请中所提及的任何网站可以包括可以在各种设备上渲染的在线内容，上述各种设备包括但不限于台式个人计算机(PC)、膝上型计算机、以及移动设备(例如，平板计算机、智能电话等)。在该方面，用户可以利用这些设备中的任何一个来使用本公开的特征。在一些实施例中，用户可以使用移动设备(客户端机器110、112和第三方服务器130中的任何一个可以是移动设备)上的移动应用来访问并浏览在线内容，例如本申请中公开的在线内容中的任何一个。移动服务器(例如，API服务器114)可以与移动应用和应用服务器118通信，以使得本公开的特征在移动设备上可用。在一些实施例中，联网的系统102可以包括社交网络服务的功能组件。图2为示出与本公开的一些实施例一致的社交网络系统210的功能组件的框图。在一些实施例中，搜索引擎216可以驻留在图1中的应用服务器118上。但是，可以预期的是，其他的配置也可以在本公开的范围之内。如在图2中所示出的，前端可以包括用户界面模块(例如，网络服务器116)212，其从各种客户端计算设备接收请求，并向请求的客户端设备传送适当的响应。例如，用户界面模块212可以接收超文本传输协议(HTTP)请求或其他基于网络的API请求形式的请求。此外，可以提供成员交互检测模块213以检测成员与所呈现的不同应用120、服务和内容具有的各种交互。如在图2中所示出的，在检测到特定的交互之后，成员交互检测模块213将该交互记录在成员活动和行为数据库222中，包括交互的类型和与交互有关的任何元数据。应用逻辑层可以包括一个或多个各种应用服务器模块214，其连同用户界面模块212，利用从数据层中的各种数据源取回的数据生成各种用户界面(例如，网页)。在一些实施例中，单个的应用服务器模块214用于实现与由社交网络服务提供的各种应用120和/或服务关联的功能。如在图2中所示出的，数据层可以包括若干数据库126，例如用于存储简档数据的简档数据库218，包括成员简档数据和各种组织的简档数据(例如，公司、学校等)。与一些实施例一致，当一个人最初注册变成社交网络服务的成员时，将提示这个人提供一些个人信息，例如他或她的名字、年龄(例如，生日)、性别、兴趣爱好、联系人信息、家庭城市、地址、配偶的和/或家庭成员的名字、教育背景(例如，学校、专业、录取入学和/或毕业日期等本文档来自技高网...

【技术保护点】
1.一种系统包括：存储器；以及其上存储有指令的计算机可读介质，当由处理器执行时，其使得所述系统：获得多个潜在的馈送对象，其中每个潜在的馈送对象包括数据结构，所述数据结构包含能够潜在地在社交网络服务的用户界面中的馈送中显示的信息片段；获得在所述用户界面中执行导航命令的用户的标识，所述导航命令使得显示或更新所述馈送；向机器学习馈送对象排名模型馈送所述用户的所述标识和所述多个潜在的馈送对象，其中所述机器学习馈送对象排名模型已经通过机器学习算法被训练以针对潜在的馈送对象中的每一个计算得分，所述得分基于以下的组合：所述用户将通过所述用户界面对潜在的馈送对象执行交互的可能性、所述用户的交互将导致其他用户的一个或多个下游事件的可能性、以及所述一个或多个下游事件对所述社交网络服务的价值；按由所述机器学习馈送对象排名模型计算的所述多个潜在的馈送对象的得分而将所述多个潜在的馈送对象排名；以及基于所述排名，使得潜在的馈送对象中的一个或多个在所述用户界面中的所述馈送中显示。

【技术特征摘要】
2017.12.15 US 15/8440321.一种系统包括：存储器；以及其上存储有指令的计算机可读介质，当由处理器执行时，其使得所述系统：获得多个潜在的馈送对象，其中每个潜在的馈送对象包括数据结构，所述数据结构包含能够潜在地在社交网络服务的用户界面中的馈送中显示的信息片段；获得在所述用户界面中执行导航命令的用户的标识，所述导航命令使得显示或更新所述馈送；向机器学习馈送对象排名模型馈送所述用户的所述标识和所述多个潜在的馈送对象，其中所述机器学习馈送对象排名模型已经通过机器学习算法被训练以针对潜在的馈送对象中的每一个计算得分，所述得分基于以下的组合：所述用户将通过所述用户界面对潜在的馈送对象执行交互的可能性、所述用户的交互将导致其他用户的一个或多个下游事件的可能性、以及所述一个或多个下游事件对所述社交网络服务的价值；按由所述机器学习馈送对象排名模型计算的所述多个潜在的馈送对象的得分而将所述多个潜在的馈送对象排名；以及基于所述排名，使得潜在的馈送对象中的一个或多个在所述用户界面中的所述馈送中显示。2.根据权利要求1所述的系统，其中所述指令进一步使得所述系统：获得多个示例性馈送对象、相应的用户标识、以及与由下游用户对相应的示例性馈送对象采取的动作相对应的标签；基于从所述相应的用户标识导出的信息并且基于所述示例性馈送对象而生成一个或多个特征；以及向所述机器学习算法馈送所述一个或多个特征以及所述多个示例性馈送对象，以训练所述机器学习馈送对象排名模型。3.根据权利要求1所述的系统，其中所述机器学习算法是二进制逻辑回归算法。4.根据权利要求1所述的系统，其中基于以下各项计算得分E(m，u)：用户对潜在的馈送对象采取的交互的可能类型、病毒性动作的可能类型、在用户采取病毒性动作的情况下对所述潜在馈送对象的增加的下游参与、以及确定在当前的会话中的参与值相对于在稍后的会话中的参与值的时间贴现因子。5.根据权利要求4所述的系统，其中对潜在的馈送对象的交互的可能类型包括点击、点赞、分享、评论、工作查看、和连接。6.根据权利要求2所述的系统，其中生成所述一个或多个特征包括取回与所述相应的用户标识相对应的多个用户简档以及根据所述多个用户简档生成所述一个或多个特征。7.根据权利要求2所述的系统，其中生成所述一个或多个特征包括取回与所述相应的用户标识相对应的使用历史以及根据所述使用历史生成所述一个或多个特征。8.一种方法包括：获得多个潜在的馈送对象，其中每个潜在的馈送对象包括数据结构，所述数据结构包含能够潜在地在社交网络服务的用户界面中的馈送中显示的信息片段；获得在所述用户界面中执行导航命令的用户的标识，所述导航命令使得显示或更新所述馈送；向机器学习馈送对象排名模型馈送所述用户的所述标识和所述多个潜在的馈送对象，其中所述机器学习馈送对象排名模型已经通过机器学习算法被训练以针对潜在的馈送对象中的每一个计算得分，所述得分基于以下的组合：所述用户将通过所述用户界面对潜在的馈送对象执行交互的可能性、所述用户的交互将导致其他用户的一个或多个下游事件的可能性、以及所述一个或多个下游事件对所述社交网络服务的价值；按由所述机器学习馈送对象排名模型计算的所述多个潜在的馈送对象的得分而将所述多个潜在的馈送对象排名；以及基于所述排名，使得潜在的馈送对象中的一个或多个在所述用户界面中的馈送中显示。9.根据权利要求8所述的方法，进一步包括：获得多个示例性馈送对象、相应的用户标识、以及与由下游用户对相应的...

【专利技术属性】
技术研发人员：S·高希，T·P·尤尔卡，S·托尔马诺夫，王漪婕，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：美国,US