Cara Facebook Baca Data, Tebak Keinginan Pengguna

Cara Facebook Baca Data, Tebak Keinginan Pengguna

Terbaiknews - JakartaCNN Indonesia -- FacebookÂmembeberkan cara menebak feed yang dilihat oleh pembacadi...

Jakarta, CNN Indonesia --

FacebookÂmembeberkan cara menebak feed yang dilihat oleh pembaca, di antaranya menggunakan sistem algoritma machine learning (ML) dan prediktor. Fitur ini yang diklaim sebagai pendukungÂNews Feed dengan banyak lapisan.

Dilansir halaman resmi, Facebook mengolah triliunan postingan yang disajikan kepada lebih dari 2 miliar penggunanya. Pihaknya mendirikan pos-pos dan ribuan sinyal untuk menyeleksi postingan yang relevan bagi penggunanya.

Pihaknya mengatakan saat pengguna membuka Facebook, proses seleksi itu terjadi di belakang layar dalam hitungan detik untuk membuat umpan postingan yang dibuka penggunanya.


Setelah hal itu berjalan maka ada beberapa lapisan model dan algoritma ML yang diterapkan untuk memprediksi konten bermakna serta relevan bagi setiap pengguna.

Saat pengguna melewati beberapa tahap, sistem algoritma mempersempit ribuan kandidat Feed menjadi beberapa ratus yang muncul di News Feed seseorang di waktu tertentu.

Sederhananya, sistem yang menentukan postingan mana yang muncul di News Feed pengguna, dan dalam urutan yang paling penggunanya minati. Membaca algoritma ini didasari pada dengan beberapa faktor, termasuk apa dan siapa yang penggunanya ikuti, siapa yang disukai serta dengan siapa penggunanya berinteraksi.

Misalnya, seorang pengguna bernama Juan melihat postingan foto ayam jantan temannya dan ia melihat postingan video lari pagi teman lainnya. Namun Juan me-repost artikel tentang cara melihat Bima Sakti di malam hari.

Seluruh konten ini dinilai relevan atau menarik oleh Juan, maka pihak Facebook memprediksi umpan News Feed yang memiliki nilai tertinggi bagi Juan. Dalam istilah matematika, Facebook mendefinisikan fungsi tujuan untuk Juan dan melakukan pengoptimalan tujuan.

Lebih lanjut Facebook juga mengolah karakteristik kiriman dan postingan foto yang di tag oleh para penggunanya. Untuk memberi ranking lebih dari seribu pos pengguna per hari agar prosesnya efisien.

Pihaknya mengelola data tersebut dalam berbagai langkah, yang diatur secara efisien agar cepat untuk membatasi jumlah sumber daya komputasi yang diperlukan.

Selanjutnya, sistem menilai postingan dengan berbagai faktor, seperti seberapa cocok sebuah postingan dengan pengguna untuk berinteraksi dengan pengguna lainnya.

Untuk menghitung lebih dari 1000 postingan dan membagikannya kepada miliaran pengguna dalam waktu yang sama, Facebook menggunakan sistem yang berupa mesin paralel pembaca model postingan bernama Prediktor.

Prediktor merupakan mesin kecerdasan untuk menggabungkan dan mengerucutkan postingan yang menarik menjadi kurang lebih 500 postingan.

Facebook menjalankan fitur kontekstual seperti keberagaman jenis konten yang menarik bagi pengguna. Semua langkah ini terjadi dalam hitungan detik, dan pengguna memiliki News Feed yang telah diberi skor untuk siap di jelajahi.

(can/DAL)
[Gambas:Video CNN]