Les algorithmes de Facebook - seocampus 2015

4 859 vues

Publié le

Trois exemples d'algorithmes utilisés par Facebook.

Publié dans : Ingénierie
0 commentaire
6 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
4 859
Sur SlideShare
0
Issues des intégrations
0
Intégrations
1 249
Actions
Partages
0
Téléchargements
141
Commentaires
0
J’aime
6
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Les algorithmes de Facebook - seocampus 2015

  1. 1. Sylvain Peyronnet LES ALGORITHMES UTILISÉS PAR .
  2. 2. SYLVAIN PEYRONNET Co-fondateur et responsable des ix-labs Professeur des Universités (on leave) Co-fondateur nalrem médias @speyronnet http://www.peyronnet.eu http://live.ix-labs.org sylvain@ix-labs.org
  3. 3. ALGORITHMES ET FACEBOOK En quelques années, Facebook est devenu l’un des acteurs majeurs en algorithmique pour le web
  4. 4. ALGORITHMES ET FACEBOOK Aujourd’hui : Créer un fil personnalisé Chercher le graphe social Afficher de la pub personnalisée
  5. 5. ALGORITHMES ET FACEBOOK Aujourd’hui : Créer un fil personnalisé Chercher le graphe social Afficher de la pub Avec des invités : Alice Bob Hector Juliette
  6. 6. UN FIL PERSONNALISÉ Comment Facebook choisit de nous montrer un post spécifique ?
  7. 7. UN FIL PERSONNALISÉ Comment Facebook choisit de nous montrer un post spécifique ? Avant 2013, le edgerank
  8. 8. UN FIL PERSONNALISÉ Sur Facebook, un inscrit à en moyenne 300 amis
  9. 9. Posts des amis UN FIL PERSONNALISÉ Sur Facebook, un inscrit à en moyenne 300 amis On ne peut voir que 10% des posts produits par les amis
  10. 10. Posts des amis UN FIL PERSONNALISÉ Sur Facebook, un inscrit à en moyenne 300 amis On ne peut voir que 10% des posts produits par les amis Comment trouver les meilleurs pour que Bob soit content ?
  11. 11. EDGERANK score(p) = A ⇥ T ⇥ F A la création d’un post : Affinité ! Fidélité de Bob envers Alice ! ! ! Score du post fait par Alice, pour le fil de Bob Type ! Une photo ou vidéo vaut plus qu’un petit texte ou qu’un share d’un buzztruc ! Fraicheur ! ! ! ! ! ! ! ⇡ 1 age du post
  12. 12. EDGERANK A chaque interaction, le score est recalculé Hector commente le post Juliette like le post Chaque interaction créée un lien entre les « interacteurs » et Bob !
  13. 13. EDGERANK score(p) = X liens l Al ⇥ Tl ⇥ Fl Dès que les interactions s’arrêtent, le score diminue très vite (à cause de la fraicheur) On affiche sur le fil de Bob les posts dans l’ordre des scores décroissants
  14. 14. UN FIL PERSONNALISÉ Depuis 2013, l’edgerank a disparu au profit du « newsfeed », qui utilise plus de 100k critères différents
  15. 15. UN FIL PERSONNALISÉ ! # de commentaires ! # de likes ! « dynamisme » ! nouveauté (nouveau contenu) ! interactions ! appartenance à des groupes identifiés post avec liens spammy ! post avec uniquement du texte ! contenu publicitaire ! click et link baiting ! contenu « memesque » Quelques critères pour le newsfeed
  16. 16. UN FIL PERSONNALISÉ ! # de commentaires ! # de likes ! « dynamisme » ! nouveauté (nouveau contenu) ! interactions ! appartenance à des groupes identifiés post avec liens spammy ! post avec uniquement du texte ! contenu publicitaire ! click et link baiting ! contenu « memesque » Quelques critères pour le newsfeed
  17. 17. CHERCHER LE GRAPHE SOCIAL Comment chercher des informations dans un graphe énorme ?
  18. 18. CHERCHER LE GRAPHE SOCIAL Comment chercher des informations dans un graphe énorme ? En utilisant des signaux sociaux pour personnaliser les résultats
  19. 19. FACEBOOK GRAPH SEARCH Tom Stocky Lars Rasmussen Avant, chez Avant, créateur de
  20. 20. FACEBOOK GRAPH SEARCH Moteur de recherche sémantique Depuis Mars 2013 Pas encore en France Cherche dans le graphe de Facebook, et utilise des résultats de BING en plus Alice Bob Hector Juliette
  21. 21. FACEBOOK GRAPH SEARCH Alice Bob je cherche un ami capable de faire un barrage je cherche une belle célibataire au poil soyeux
  22. 22. FACEBOOK GRAPH SEARCH Alice Bob Hector Juliette je cherche un ami capable de faire un barrage je cherche une belle célibataire au poil soyeux
  23. 23. FACEBOOK GRAPH SEARCH Bob Quels sont les films aimés par mes amis au poil aussi soyeux que le mien?
  24. 24. FACEBOOK GRAPH SEARCH Curtiss, Michael, et al. "Unicorn: A system for searching the social graph." Proceedings of the VLDB Endowment 6.11 (2013): 1150-1161. Facebook graph search est réalisé grâce au système Unicorn
  25. 25. FACEBOOK GRAPH SEARCH Curtiss, Michael, et al. "Unicorn: A system for searching the social graph." Proceedings of the VLDB Endowment 6.11 (2013): 1150-1161. Facebook graph search est réalisé grâce au système Unicorn Il s’agit d’un « outil » qui sélectionne des parties du « social graph » selon des requêtes portant sur les connexions
  26. 26. FACEBOOK GRAPH SEARCH Connexions ou liens amis taggé dans like liker Et bien d’autres encore… attended
  27. 27. FACEBOOK GRAPH SEARCH Requêtes (and friend:Alice friend:Bob) (or friend:Alice friend:Bob) (difference friend:Alice friend:Bob) Les amis d’Alice qui ne sont pas des amis de Bob Les amis communs d’Alice et Bob Les amis d’Alice et Bob
  28. 28. FACEBOOK GRAPH SEARCH Requêtes (weak-end friend:Alice (term friend:Bob :optional-weight 0.2)) (strong-or (term live-in:Paris :optional-weight 0.1) (term live-in:Rouen :optional-weight 0.1)) Un groupe d’amis d’Alice dont au moins 80% sont aussi amis de Bob Des gens qui vivent à Paris ou Rouen.Au moins 10% dans chaque ville.
  29. 29. FACEBOOK GRAPH SEARCH Requêtes (apply friend: (and friend:Alice friend:Bob)) Les amis des amis communs de Alice et Bob
  30. 30. FACEBOOK GRAPH SEARCH Points divers ! • « we might want to prioritize results for individuals who are close in age to the user typing the query » ! • pour la recherche « standard », les algorithmes usuels sont utilisés ! • Le graph search est plus une prouesse technique qu’algorithmique
  31. 31. DE LA PUB PERSONNALISÉE Une pub personnalisé serait plus efficace qu’une pub standard
  32. 32. DE LA PUB PERSONNALISÉE Une pub personnalisé serait plus efficace qu’une pub standard Ce n’est pas la discussion du jour, mais cette phrase est largement douteuse
  33. 33. DE LA PUB PERSONNALISÉE On va estimer le CTR de chaque pub pour chaque utilisateur utilisateur : genre, age, amis, likes, localisation annonceur : critère de ciblage, bid pour l’enchère enchère : on classe les pubs par bid * CTR estimé + + = 10% = 0,01%
  34. 34. DE LA PUB PERSONNALISÉE On place l’utilisateur et les pubs dans l’espace des concepts Parfum Pêche On crée un estimateur par proximité géométrique
  35. 35. DE LA PUB PERSONNALISÉE On place l’utilisateur et les pubs dans l’espace des concepts Parfum Pêche On crée un estimateur par proximité géométrique Technique très similaire au Cosinus de Salton utilisé par les moteurs pour l’analyse de la pertinence d’un texte par rapport à une requête
  36. 36. DE LA PUB PERSONNALISÉE Placer l’utilisateur dans l’espace des concepts : extraire un modèle Lecture du statut : « j’aime la pêche au gros » Les likes (sur une page sur la pêche à la mouche) Les commentaires : « Bob, tu étais encore à la pêche hier ? » L’âge, l’endroit, etc. Les pubs précédemment cliquées Etc…
  37. 37. DE LA PUB PERSONNALISÉE Placer la pub dans l’espace des concepts : extraire un modèle par classification de texte ! Algos de classification supervisé (Dekel et al. 2004 par exemple) Shopping/clothing : 80% Art/Fashion : 30% Pêche à la morue : 0%
  38. 38. QUESTIONS ? !

×