Twitter推荐算法总架构和算法说明

Twitter推荐算法总架构：

这个推荐架构的作用是生成在用户首页上显示的推文列表

步骤：

1、从不同的推荐来源中获取最好的推文，这个过程被称为候选来源。
2、使用机器学习模型对每条推文进行排名。
3、应用启发式方法和过滤器，例如过滤掉你已经屏蔽的用户的推文、NSFW内容以及你已经看过的推文。

候选源：

来源分成两部分，网络内和网络外。这里的网络指的是Twitter的社交网络。

1、网络内来源
网络内来源是最大的候选来源，旨在提供所关注的用户的最相关、最近的推文。它使用逻辑回归模型，根据相关性对你所关注的用户的推文进行有效排名。排名靠前的推文会被送到下一个阶段。

对网络内推文进行排名的最重要组成部分是Real Graph。真实图谱是一个预测两个用户之间接触的可能性的模型。你和推文作者之间的Real Graph得分越高，将包括更多他们的推文。

网络内来源一直是Twitter最近工作的主题。最近停止了使用Fanout服务，这是一项有12年历史的服务，以前是用来从每个用户的推文缓存中提供网络内推文的。也正在重新设计逻辑回归排名模型，该模型最后一次更新和训练是在几年前!

2、网络外的来源
寻找用户网络之外的相关推文是一个比较棘手的问题：如果你不关注作者，怎么能知道某条推文是否与你有关？Twitter采取了两种方法来解决这个问题。