【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。