Twitter a partagé une partie de son code source sur GitHubune plate-forme qui propose désormais deux référentiels contenant une partie de son algorithme de recommandation de publication, avec des détails sur le fonctionnement de la section ‘Pour toi’.
Une fuite fait actuellement l’objet d’une enquête par quelle partie du code source du réseau social sont arrivés sans autorisation sur ledit portail publié par un utilisateur identifié comme ‘FreeSpeechEnthusiast’.
GitHub a supprimé ce contenu de sa plateforme après avoir reçu un Constat judiciaire pour violation du droit d’auteur émis par Twitter, qui a ensuite demandé à connaître l’identité à la fois de la personne qui l’avait divulgué et de ceux qui l’avaient téléchargé.
Cela s’est produit quelques jours seulement après que le propriétaire de Twitter, Elon Musk, a annoncé qu’à la fin du mois de marsou rendre public l’algorithme de la plateformeque quelque chose qui s’est finalement produit officiellement ce vendredi 31 mars.
La plateforme a partagé ce contenu dans le but de “donner la première étape d’une nouvelle ère de transparence» et d’exclure « tout code qui pourrait compromettre la sécurité et la vie privée de l’utilisateur », comme il l’a expliqué dans un communiqué partagé sur son blog.
GitHub dispose désormais de deux nouveaux référentiels – “Main” et “ML” – qui contiennent le code source de certains processus de Twitter, y compris l’algorithme de recommandation, qui détermine quels ‘tweets’ le réseau social propose aux utilisateurs dans la section “Pour vous”.
Twitter a également indiqué avoir partagé plus d’informations sur son algorithme de recommandation sur son blog, où il a expliqué comment vous canalisez les recommandations et comment vous filtrez les recommandations qui juge les publications pertinentes pour les proposer.
Avec cela, il a souligné que, bien qu’il ait mis cette partie de son code source à la disposition des utilisateurs, a décidé de sauter la partie consacrée aux recommandations d’annonces.
Algorithme de recommandation
La plate-forme s’est penchée sur la manière dont fournit des informations aux utilisateurs et sélectionnez une série de « tweets » pour les inclure dans la section « Pour vous » de chacun d’eux.
Twitter a qualifié que son système de recommandation “il est composé de nombreux services et emplois interconnectés” et a exposé la manière dont ces informations sont filtrées, à travers un processus composé de trois étapes.
Premièrement, il reçoit « les meilleurs tweets » de différentes sources de recommandation – dans un processus appelé « sourcing de candidats » – et deuxièmement, il classe chacun à l’aide d’un algorithme d’apprentissage automatique. (“apprentissage automatique”).
Enfin, il applique des méthodes heuristiques pour filtrer les tweets, les messages que vous avez déjà vus et contenu marqué comme non sûr ou approprié pour le travail (NSFW).
Le service responsable de la création de la section “Pour vous” s’appelle ‘Mélangeur domestique’ (un peu comme un mixeur de page d’accueil) et est basé sur le programme Product Mixer, qui facilite la création de sources de contenu et “agit comme l’épine dorsale” du “logiciel” qui relie les messages des candidats pour faire partie de cette section et d’autres notations les fonctions.
La première étape du processus traite une série de sources à partir desquelles il extrait les 1 500 meilleurs ‘tweets’ à partir d’un pool de centaines de millions de ces sources. Pour ce faire, il utilise à la fois les comptes qui sont suivis et ceux qui ne sont pas suivis par les utilisateurs.
“Aujourd’hui, la chronologie de ‘For You’ consiste en 50 % des tweets au sein du réseau et 50 % en dehors de celui-ci en moyenne, même si cela peut varier d’un utilisateur à l’autre”, a nuancé le réseau social.
Concernant les sources que les utilisateurs suivent, Twitter a expliqué que “est le plus grand candidat” et que son objectif est de montrer les « tweets » les plus récents et les plus pertinents des utilisateurs qui sont suivis.
C’est alors qu’il utilise un outil appelé Graphique réel, un modèle d’apprentissage automatique qui prédit la probabilité d’interaction entre deux utilisateurs. Plus il y a de compatibilité, plus il y aura de « tweets » inclus.
La plateforme a expliqué avoir travaillé récemment sur cette section, puisqu’elle a cessé d’utiliser Service Fanourune solution qui servait auparavant à booster les publications à partir d’un cache pour chaque utilisateur.
Utilisateurs non suivis
Le réseau social a également expliqué comment il intègre les publications des utilisateurs qui ne sont pas suivis dans les suggestions “Pour vous” et a avancé que prendre deux positions autour de ça.
Tout d’abord, il tient compte de ce que l’on appelle graphique social, avec lequel il cherche à répondre à quels tweets les utilisateurs des personnes qu’ils suivent ont interagi et qui aiment les messages qu’ils publient.
Une fois ces questions répondues, il génère des “tweets” candidats basés sur ces réponses et les classe à l’aide d’un modèle de régression logistique. Pour connaître son parcours sur la plateforme, il a développé un moteur de traitement graphique appelé GraphJet.
L’autre des approches que Twitter s’engage à recommander les publications des comptes qui ne sont pas suivis sont les soi-disant “espaces d’intégration”qui vise à répondre à la question “Quels tweets et utilisateurs correspondent à mes centres d’intérêt ?”.
Ces plongements génèrent des représentations numériques des intérêts des utilisateurs et le contenu des ‘tweets’, puis calcule la similarité entre deux utilisateurs ou deux ‘tweets’ aléatoires intégrés dans cet espace.
L’étape suivante est la classification des « tweets » recommandés, une étape du processus au cours de laquelle environ 1 500 candidats sont présentés. “ça peut être pertinent” et qui sont soumis à un score qui prédit directement l’importance de chaque publication candidate.
Cette classification est réalisée avec un réseau de neurones d’environ 48 millions de paramètres et est constamment formé pour optimiser l’engagement positif Sur la plateforme. C’est alors que le système établit dix labels pour attribuer un score spécifique à chaque ‘tweet’. Chacun d’eux représente la probabilité d’interagir avec lesdites publications.
Après cette classification, appliquez une série de filtres qui permettent à la plateforme de recommander plus précisément pour proposer des résultats diversifiés. C’est à ce moment que Twitter supprime les suggestions des comptes bloqués, réduit le nombre de “tweets” consécutifs à partir d’un seul compte, entre autres actions.
Au dernier point et avec les messages de suggestion déjà choisis, Twitter active le Home Mixer pour l’envoyer à chaque appareil. À ce stade du processus, le système de classification combiner des “tweets” avec d’autres contenus, telles que des publicités ou des recommandations de suivi vers d’autres comptes.
Après avoir publié cette partie de l’algorithme de Twitter pour les recommandations, Musk a confirmé sur son profil sur le réseau social que “Dans les prochaines semaines”, ils ouvriront “tout ce qui contribue à l’affichage d’un tweet”.
La société a également confirmé son intention d’étendre son système de recommandation, avec de nouvelles opportunités sur lesquelles elle travaille déjà, telles que nouvelles fonctionnalités en temps réelembarquées et représentations utilisateur.
