Facebooks News Feed: Der neue Anlauf als News-Aggregator

Über 1.000 Beiträge, die pro Tag und User für den News Feed bereitgestellt werden, kommen durch einen Abgleich in die Auswahl. Der Bestand potentiell relevanter Inhalte wird mit den präferierten Interaktionen, Content-Elementen und so weiter verglichen. Damit die immense Zahl an Beiträgen für die über zwei Milliarden User in Echtzeit berechnet werden kann, laufen Facebooks Modelle gleichzeitig auf Maschinen, Prädiktoren genannt.

Sobald die Zahl der in Frage kommenden Beiträge reduziert wurde, kommen auch Integritätsprüfungen ins Spiel. Dann grenzt ein Modell, das als ressourcensparend beschrieben wird, die Auswahl auf 500 Beiträge ein. Ab diesem Punkt werden noch leistungsstärkere neuronale Netzwerke verwendet. Erst jetzt kommt die „eigentliche Beurteilung“. Denn ab diesem Moment kommt es zur konkreten Personalisierung. Jeder Beitrag erhält eine berechnete Punktzahl, ehe er für die News-Feed-Anzeige angeordnet wird. Schließlich kommt noch ein Kontext-Durchgang zum Tragen.

Während Facebook Inhalte für die User zusammenstellt, werden Content-Elemente, die als Fake News oder Clickbait erkannt werden, weniger stark berücksichtigt. Diese Inhalte möchte das Unternehmen nicht fördern, im Gegenteil. Da die Arbeit an der riesigen Menge an Inhalten für so viele User so umfangreich und vielschichtig ist, werden „mehrere Schichten von Machine-Learning-Modellen und Rankings“ eingesetzt, um Content voraussagen zu können, der für die einzelnen User besonders relevant ist.

Quelle: onlinemarketing.de