如何振興推特，馬斯克選擇「流量最大」的打法。

馬斯克曾把特斯拉的專利開源，現(xiàn)在推特的算法也被他開源了。

首富伊隆?馬斯克去年收購推特前就曾表示，推特的代碼應該在 GitHub 上公開，以便公眾對其進行檢查，這樣才算得上健全。在這不久后，馬斯克宣布收購推特，推特的 GitHub 主頁上很快新增了一個「the-algorithm」倉庫，不過這個倉庫很快就 404 了。

(資料圖片)

前幾天他又表示，推特會在 3 月 31 日開源推薦代碼。這一次，他終于兌現(xiàn)了。

馬斯克在推特上表示，目前發(fā)布的是「大部分推薦算法」，其余的將在未來發(fā)布。

短短幾個小時，該項目就收獲了 13.5K Github Star：

開源地址：https://github.com/twitter/the-algorithm

在 Twitter Spaces 會議上，馬斯克解釋道：「最初發(fā)布的算法會非常尷尬，人們會發(fā)現(xiàn)很多錯誤，但我們會很快修復它們…… 即使你不同意某件事，至少你會知道它為什么在那里，并且你沒有被秘密操縱...... 我們的參照物是 Linux ，一個很好的開源操作系統(tǒng)樣本…… 理論上，人們可以發(fā)現(xiàn) Linux 的許多漏洞，但實際上社區(qū)會識別并修復這些漏洞?！?/p>

既然開源，那就表示接受修改建議。馬斯克又表示了，每過 24 小時到 48 小時，推特會根據(jù)用戶建議對推薦算法進行一次更新。

不僅接受人們的監(jiān)督，還可以提升技術(shù)實力，看起來是一舉多得的好事。

有趣的是，外媒 Gizmodo 的一篇報道指出， 推特向用戶推送的 VIP 列表似乎沒有公開。本周 Platformer 報道稱，推特有一份值得關注的用戶輪換名單，包括 YouTuber Mr. Beast 和 Daily Wire 創(chuàng)始人 Ben Shapiro，它通過看似隨意地增加這些「高級用戶」的可見性來監(jiān)控推薦算法的變化。

還有更多證據(jù)表明，推特的算法可能會根據(jù)來源不同地對待推文。研究人員 Jane Manchun Wong 指出，推特的算法專門標記了「推文作者是否是 Elon Musk」，還有其他標簽表明作者是否是「高級用戶」等。

對此，推特在今天下午的 Spaces 會議上也有回應，一位推特工程師表示，這些標簽僅用于衡量指標。而馬斯克說自己在今天之前不知道這些標簽，并表示「它們不應該在那里」。

推特是如何選擇推文的？

在推特同期發(fā)布的技術(shù)博客上，工程師們對推薦系統(tǒng)算法進行了一番解釋。

推特推薦系統(tǒng)的基礎是一套核心模型和功能，從推文、用戶和相關數(shù)據(jù)中提取潛在的信息。這些模型旨在回答關于 Twitter 網(wǎng)絡的重要問題，例如，「你未來與另一個用戶互動的概率是多少？」或者，「Twitter 上有哪些社區(qū)，其中有哪些流行的推文？」準確地回答這些問題使 Twitter 能夠提供更相關的推薦。

推薦流程由三個主要階段組成：

1. 從不同的推薦源中獲取最佳推文，這個過程被稱為候選搜尋（candidate sourcing）。

2. 使用機器學習模型對每條推文進行排名。

3. 應用啟發(fā)式方法和過濾器，例如過濾掉你已經(jīng)屏蔽的用戶的推文、NSFW 內(nèi)容，以及你已經(jīng)看過的推文。

負責構(gòu)建和服務 For You 時間線的服務被稱為 Home Mixer。Home Mixer 建立在 Product Mixer 上，這是推特定制的 Scala 框架，可以方便地構(gòu)建內(nèi)容提要。這項服務作為軟件主干，連接不同的候選推文來源、評分功能、啟發(fā)式方法和過濾器。

下面這張圖說明了用于構(gòu)建時間線的主要組件：

接下來探討一下這個系統(tǒng)的關鍵部分，大致按照在一次時間線請求中的調(diào)用順序，從檢索候選推文源開始。

候選推文源

Twitter 有幾個候選推文源，他們用這些候選源來為用戶檢索最近的相關推文。對于每個請求，他們試圖通過這些來源從數(shù)以億計的推文池中提取最好的 1500 條推文。他們從你關注的人（網(wǎng)絡內(nèi)）和你不關注的人（網(wǎng)絡外）中找到候選推文。今天，F(xiàn)or You 時間線平均由 50% 的網(wǎng)絡內(nèi)（In-Network）推文和 50% 的網(wǎng)絡外（Out-of-Network）推文組成，盡管這可能因用戶而異。

網(wǎng)絡內(nèi)推文源

網(wǎng)絡內(nèi)推文源是最大的候選推文來源，旨在提供你所關注的用戶的最相關、最近的推文。它使用一個邏輯回歸模型，根據(jù)相關性對你所關注的人的推文進行有效排名。然后，排名靠前的推文被送到下一個階段。

對網(wǎng)絡內(nèi)推文進行排名的最重要的組件是 Real Graph。Real Graph 是一個預測兩個用戶之間接觸的可能性的模型。你和推文作者之間的 Real Graph 得分越高，推薦內(nèi)容中就會包含更多他們的推文。

網(wǎng)絡內(nèi)推文源一直是推特最近工作的主題。他們最近停止了 Fanout 服務的使用，這是一項有 12 年歷史的服務，以前用來從每個用戶的推文緩存中提供網(wǎng)絡內(nèi)推文。他們也正在重新設計邏輯回歸排名模型，該模型最后一次更新和訓練是在幾年前！

網(wǎng)絡外推文源

在用戶網(wǎng)絡之外尋找相關的推文是一個比較棘手的問題：如果你不關注作者，推特怎么能知道某條推文是否與你有關？為了解決這個問題，推特采取了兩種方法：

1、社交圖譜（Social Graph）

第一個方法是通過分析你所關注的人或有類似興趣的人的參與情況，來估計與你相關的內(nèi)容。

推特遍歷上述分析內(nèi)容的圖，以回答以下問題：

我關注的人最近參與了哪些推文？

誰喜歡與我相似的推文，他們最近還喜歡什么？

推特會根據(jù)這些問題的答案生成候選推文，并使用邏輯回歸模型對生成的推文進行排名。這種類型的圖遍歷對于網(wǎng)絡外推薦至關重要。團隊開發(fā)了 GraphJet 圖處理引擎，以維護用戶和推文之間的實時交互圖，以執(zhí)行這些遍歷。雖然這種用于搜索推特參與度和關注網(wǎng)絡的啟發(fā)式方法已被證明是有用的（這些目前服務于大約 15% 的主頁時間線推文），但嵌入空間方法已成為網(wǎng)絡外推文的更大來源。

2、嵌入空間

嵌入空間方法旨在回答一個關于內(nèi)容相似度的普遍問題：「哪些推文和用戶與我的興趣相似？」

嵌入的工作原理是生成用戶興趣和推文內(nèi)容的數(shù)字表征，然后推特就可以計算該嵌入空間中任意兩個用戶、推文或用戶 - 推文對之間的相似度。如果生成了準確的嵌入，推特可以使用這種相似性作為相關性的替代。

推特最有用的嵌入空間之一是 SimClusters。SimClusters 使用自定義的矩陣因子化算法，發(fā)現(xiàn)由有影響力的用戶集群錨定的社區(qū)。這里有 14.5 萬個社區(qū)，每三周更新一次。用戶和推特在社區(qū)的空間中被表示出來，并且可以屬于多個社區(qū)。社區(qū)的規(guī)模從個人朋友圈的幾千個用戶到新聞或流行文化的幾億個用戶不等。這些是一些最大的社區(qū)：

此外，推特還可以通過查看推文在每個社區(qū)中的當前流行度來將推文嵌入到這些社區(qū)中。喜歡推文的社區(qū)用戶越多，推文與該社區(qū)的關聯(lián)度就越高。

排序

「For you」時間線的目標是為用戶提供相關的推文。在 pipeline 的這一點上，有大約 1500 個可能是相關的候選項。分數(shù)會直接預測每個候選推文的相關性，是在用戶時間線上對推文進行排序的主要信號。在這個階段，所有的候選項都被平等對待，而不考慮它來自哪個候選來源。

排序是通過一個約 4800 萬參數(shù)的神經(jīng)網(wǎng)絡實現(xiàn)的，該網(wǎng)絡在推特互動數(shù)據(jù)上不斷訓練，以優(yōu)化積極的參與（例如，贊、轉(zhuǎn)發(fā)和回復）。這個排序機制考慮到了成千上萬的特征，并輸出十個標簽來給每條推文打分，其中每個標簽代表了參與的概率。然后，推特根據(jù)這些分數(shù)對推文進行排名。

啟發(fā)式、濾波器和產(chǎn)品功能

在排序階段之后，推特應用啟發(fā)式和濾波器來實現(xiàn)各種產(chǎn)品功能。這些功能會協(xié)同工作以創(chuàng)建平衡且多樣化的提要。一些例子包括：

可見性過濾：根據(jù)內(nèi)容和用戶偏好過濾掉推文。例如，刪除其屏蔽或靜音的帳戶的推文。

作者多樣性：避免來自同一作者的太多連續(xù)推文。

內(nèi)容平衡：確保推特提供網(wǎng)絡內(nèi)和網(wǎng)絡外推文的公平和平衡。

基于反饋的疲勞分析：如果用戶提供了負面反饋，則降低某些推文的分數(shù)。

社會證明：排除與推文沒有二級關聯(lián)的網(wǎng)絡外推文作為質(zhì)量保障。換句話說，確保你關注的人參與了這條推文或關注了推文的作者。

對話：通過將回復與原始推文串連在一起，為回復提供更多上下文。

已編輯的推文：確定設備上當前的推文是否過時，并發(fā)送指令以將其替換為已編輯的版本。

混合與服務

至此，Home Mixer 已準備好發(fā)送到用戶設備的一組推文。作為流程的最后一步，系統(tǒng)將推文與其他非推文內(nèi)容（如廣告、關注推薦和 Onboarding prompt）混合在一起，這些內(nèi)容將返回到用戶設備上進行顯示。

上述 pipeline 每天運行大約 50 億次，平均完成時間不到 1.5 秒。單個 pipeline 執(zhí)行需要 220 秒的 CPU 時間，幾乎是在應用程序上看到的延遲的 150 倍。

推特正在開發(fā)更多新功能，為用戶提供更多的透明度。下一步計劃包括：

為創(chuàng)作者提供更好的推特分析平臺，提供更多關于影響力和參與度的信息；

提高應用到用戶推文或帳戶的任何安全標簽的透明度；

更好地了解推文出現(xiàn)在時間線上的原因。

最后，在代碼公開的幾個小時內(nèi)，已經(jīng)有人在推特代碼中找到了一些「奇怪」的地方。

比如馬斯克在推特算法中有自己的特征類：

或許馬斯克在神經(jīng)網(wǎng)絡中也有自己的特殊嵌入向量。

另外還有專屬的變量：

畢竟人家是公司老板。

不知在網(wǎng)友的挖掘之下，還能發(fā)現(xiàn)推特代碼里哪些有趣之處？

參考鏈接：https://blog.twitter.com/engineering/en_us/topics/open-source/2023/twitter-recommendation-algorithm

關鍵詞：