大红鹰dhy官方数据挖掘系列篇(18)：走进Facebook公司内部动态消息算法揭秘

　　大红鹰dhy官方数据挖掘系列篇(18)：走进Facebook公司内部动态消息算法揭秘然而他们的作为将使赖以排序的数据变成过错☆☆。对待这么繁杂的环境，算法并不行分袂出如此的作为。它只会傻傻地以为点赞即代外速意☆，埋没代外猛烈的不速意☆☆。以是，对待如此的「『埋没』强迫症患者」☆☆，工程师们决计为他们做特意的优化。Tas 为此特意写了代码判别出这群人☆，并减低他们「埋没」的负面权重☆。

　　Mosseri 委任了产物司理 Max Eulenstein 再有效户体验研商员 Lauren Scissors 料理着评测小组的平常运营，对题目的征询也是他们职掌☆。比方，Eulenstein 让小构成员们看一篇故事☆☆，测试他们正在锺爱或不锺爱这条音信时☆☆，分散正在网页上阻滞的时光。凡是以为☆☆，你正在网页上阻滞的时光越长，你对它越感意思，假使你并没有为它「点赞」☆。「但没那么单纯，不单仅是『 5 秒显示锺爱，2 秒显示不锺爱』」☆☆，Eulenstein 对我讲明，「每一位用户的阅读速率也大有分歧☆，这个时光值应当和用户均匀阅读时光勾结起来看☆。」合于这个题目的研商效率正在六月的算法更始中得以显示，Facebook 会尽量把用户阻滞时光长的音信排名靠前☆☆。

　　———————————————禁止转载——————————————————

　　正在公司之中，动态音信收入的拉长让他们觉得震恐。但正在用户数目暴涨的同时☆，Facebook 员工们并不行确定用户的速意度事实怎样☆。人们正在 Facebook 上点赞的数目空前未有的众☆☆，但他们腻烦什么？

　　正在过去的六个月中，Facebook 向来正在普遍用户中做着随机的观察，配置支配两列动态音信，让普遍用户采用更感意思的那一列，这是全民介入的「动态音信评测小组」☆☆。然而，不单这样，Facebook 正在比来两年向来赐与用户更众定制本人动态音信的权利。

　　让咱们猜猜下一场篮球赛，公牛对湖人，谁会赢？ Alison 说。「公牛」，我不假思索的说出了口。Alison 乐了，但他随后颔首显示承诺 ?。假如把我的大脑类比为揣测机，我方才输入了他提的题目，输出了 公牛这个答复，我大脑里的直觉响应即是算法。（人类精神的算法远比目前揣测机操纵的繁杂的众，但不乱性也差的众）

　　假如以为有价格，请专家维持！打赏点赞（外传可能加芝麻分哟：D）！别的数据理会同盟微信群也发达的很速，下面修个5群。

　　Facebook 动态音信排序小组信任他们的勉力终将获得回报☆☆。「假如咱们连接依据反应晋升动态音信推送，咱们涌现的音信就回越来越靠近人们心中所思☆。」职掌与动态音信反应小组对接的用户体验理会师 Scissors 说。

　　质地评测小组的出线另动态音信算法团队的数据更立体☆☆，这是大数据不行赐与的。至此☆☆，Tas 和其余的排序团队成员对待呆板算法的盲点有了深切的理解☆☆。然而☆，Facebook 再有一个小组，对待这套算法的成熟也起到了至合首要的功用☆，那即是囊括你我正在内的普遍用户。

　　Alison 带着我穿过迷宫般的 Facebook 办公区，穿过一个小厨房之后，咱们进入了一件小型聚会室里☆。Alison 向我应承会把 Facebook 算法背后的道理讲大白☆，假使对待我这种生手来说。 到了今后☆☆，我思去一趟洗手间，我问了他应当何如走。他很致歉的对我说，「仍然我带你去吧」。最先我认为他是怕我迷途，当我从洗手间出来时，挖掘他就站正在门口等着我。我不禁以为，他被上司央求不行让我正在办公室里孤单走动☆☆。

　　正在 2013 岁晚☆，Facebook 曾经是当时最炙手可热的公司☆☆。用户数目横跨 10 亿☆☆，估值抵达 1000 亿美金以上☆。当时它们曾经花了数年的时光一向优化搬动端的运用体验，正在邦际上☆，受接待水准曾经横跨谷歌探求和谷歌舆图。Facebook 曾经不单仅是一个好友间社交的器材，究竟上☆☆，它仍然 21 世纪环球化的信息源：一个针对每一位用户量身定制，瞬时更新的信息，文娱资讯，好友动态聚积网站☆☆。

　　乃至，你好友的更新你不肯定能看获得☆☆。为了防御消息过众给用户变成太大压力，Facebook 用了一种单纯粗暴的算法过滤掉了一部门它以为用户不感意思的消息☆。而当时并没有东西或许或许权衡用户对待消息事实是否感意思——点赞效力距推出再有三年时光。工程师们靠直觉判别音信的涌现与否☆。一起源的准则是，这条音信揭橥了众久，以及你的好友提及这条音信的次数。之后的一段时光里，工程师们决计停留这种单纯粗暴的形式☆☆，而把用户正在音信上阻滞的时光总数举动音信首要性的凭借☆☆。但如此的机制难以分袂哪条音信令用户觉得愉悦☆☆，那条音信冲犯了用户☆☆，那些是无聊的，那些是纯碎的谣言。素质上，工程师们仍然正在试试看。而 Facebook 推出点赞效力最初的存心☆☆，是思清楚用户对音信的偏好。或者用户没蓄志识到，这是一个特地精妙的安排。假如用户们昭彰明白「点赞」是为了容易 Facebook 举办偏好记载，那么这个进程将显得非常缺乏乏味☆。Facebook 的「动态」算法是天下上第一个正在用户没有感想的环境下，清楚用户风气及偏好的，而且影响了咱们完全人☆。

　　为了搞大白这件事，咱们务必把镜头拉回到 2006 年☆。当时的 Facebook 与现正在繁杂的侧栏及群组比拟☆，还处于原始形态。和角逐敌手 Myspace 彷佛☆，「动态音信」仅仅是好友间的形态更新的聚积☆☆。

　　没有一点点防止☆，这套算法就正在不知不觉中有了辨认及时热门的才略，然后让它们病毒式撒播。以前热门是一小我链式的撒播☆☆，现正在一小我点赞今后，他的挚友都能看到这一则音信，撒播作用堪比滚雪球。如此的效应不单仅让 Facebook 的员工们瞥睹了，广告商，出书商，诋毁者，乃至普遍用户都看到了此中宏大的威力——轻点一赞☆☆，即可把音信撒播给本人完全的挚友☆，合心者乃至生疏人。良众人起源绞尽脑汁思索怎样修设「引爆点」。乃至这催生了一项新职业——特意教人发形态的社交搜集咨询人，他们精于研商文字☆，发音信的时光，及照片对待撒播度的影响。「求点赞」成为常态，乃至他们曾经忘掉了他们发形态的初志。很众人的发的形态变得同质化：平凡，矫情☆，自怜，只为取得更众的「赞」。「大拇指」成了社交搜集的中央。

　　「当你不会觉得压力时☆☆，这种仅凭直觉的推度往往无误率惊人。」Alison 说。「但假如方才的推度有金钱上的挂钩，数百万每次☆☆，每天预测数百次。那咱们就必要一个成系统的门径。你或者会看看史乘数据，每一个球队的输赢记载☆，是否有伤员，谁正手感炎热☆☆。或者你还会思索处境要素☆☆，谁是主场☆☆？客队是背靠背竞赛仍然过程了一段时光的平息？你的算法或者会把这些要素悉数思索正在内。假如你的算法足够完好☆，你或者不单仅预测到了输赢环境，你连比分都能猜个或许。」

　　———————————————禁止转载——————————————————

　　动态音信从人性化方面的改正始于 Mosseri 的前任主管☆☆，Will Cathcart☆。Cathcart 的职业从搜聚更众细节消息展开☆☆，不单仅是用户点击了什么，再有效户正在每一个页面上的阻滞时光，不单仅是用户点赞的实质及方向☆☆，再有他是正在看前点赞，仍然看了之后再点赞☆。对待看前就点赞的音信☆☆，Facebook 方向于以为你并不是那么锺爱。

　　Growth Hacking让Facebook首页5年未改版，人人网改版引火烧身的背后，短少的是什么

　　刚起源研习揣测机科学的时间，你第一个接触到的算法势必是合于排序的。他正在白板上急迅的写下这几个数：4、1、3、2、5。

　　当我来到 Facebook 总部时，一名 37 岁的大男孩宽待了我☆，他脸上挂着善意微乐，充实的精神及兴盛的外达盼望是他最昭着的特性。他即是 Tom Alison ，「动态音信」算法的工程主管，他料理着安排算法的工程师们。

　　Mosseri 告诉我他并不会过分操心这些。他讲明道，这些数据目前为止，都暗指应当众做观察☆☆，赐与用户更众的采用权，如此可能扩张用户的介入度及正在网站上阻滞的时光☆☆，这两项看似都是短期最要紧的目的。

　　这看似一个小题目呢☆。但这套算法对待 Facebook 是这样首要，乃至于如此小小的改动都应当过程厉实的测试能力真正进入操纵。起首是离线测试，正在 Facebook 内部小组内小界限测试，然后推出到一小部门用户上，结尾才是整个操纵。每一步，数据理会师们都要收罗对待用户的网站交互度☆，广告投放收入和加载速率影响。假如有哪一项产生大幅度的振动☆☆，则会产生警报并主动知照到工程师们。

　　前段时光曾经聊到Facebook的edgerank算法和timeline。数据理会侠：Facebook的实质排序算法举荐，还期望专家或许众合心知乎专栏数据理会侠☆，点赞维持☆！

　　就如此，网站的交互度有了长足的晋升，但这应当是动态音信所寻找的吗☆☆？这个题目向来困扰着 Chris Cox ，他是 Facebook 的元老了☆，也是动态算法的工程师。「视察用户的点赞，点击，分享，评论等作为，是为了更好的弄大白用户的心情。」Cox 正在邮件中这么对我讲。（他是 Facebook 的首席产物官）「但咱们很大白这不是一个完好的处分计划。比方，当你看到一则哀伤的信息，你决定不会点赞☆，但这并不行代外你没有受到触动。几年过去了，咱们必要明白比点赞和点击更细节的用户作为。」

　　它不单仅会依据你以往的点赞风气预测你会不会点赞。它还会预测你点击张开全文，评论☆☆，分享的或者性☆☆，乃至记号为垃圾的或者性。从而确定一个联系分，这个分数决计了它是否会产生正在你的动态音信列外中☆，以及所正在的地方。以是，每次你翻开 Facebook 动态音信上的第一条☆，是从数百条音信中脱颖而出的☆☆，最能刺激你点赞☆☆，评论，分享，及转折你心境的音信。

　　自 2013 年主政今后，Mosseri 又有了一个大动作，正在 2014 年夏令创立了「动态音信质地评测小组」，该小组包蕴数百名成员☆☆，正在诺克斯维尔市的办公室，每天职掌一向体验本人的 Facebook 动态音信时光线☆☆，并把细节及速意水准反应给 Facebook 的工程师。（他们本来是 Facebook 一个奥秘的外包团队。）Mosseri 和工程师们不止于此☆☆，他们还会问体验者为什么点赞，为什么不点赞，他们对本人点赞的准则，再有他们的点赞方向☆。「究竟上☆，他们简直每天都要写观察陈诉」， Greg Marra 是评测小组的主管，他这么对我讲☆。

　　你不单可能「取合」或人☆☆，还可能把你的好好友列入优先列外中，把某个类型的音信障蔽掉☆。当然，这些效力对待粗心的用户来说很难挖掘，并不会扩张轻度用户的上手本钱——它藏正在右上角的灰色小箭头里☆。大部门用户乃至长远都不会挖掘这些效力☆。当你打启示航及助助页面时☆☆，Facebook 会对这些效力举办细致的阐明。

　　恒久此后，媒体机构对待判别受众们对什么实质感意思都源于主观判别☆。如此的判别影响编辑们讲故事的门径，价格观的取向，信息价格的判别及题材的挑选☆。但如此的主观判别是 Cox 和其他 Facebook 同事们努力避免的☆。他们与 Facebook 思要的效率是：用户正在动态里看到的都是他们感意思的实质，而不是 Facebook 强推的实质。「最完好的处分计划是给用户采用权，让他们挑出本人爱看的☆☆，但这昭着不本质。」Cox 对我说☆。以是次好的处分计划即是用算法推度用户亲爱什么，然后费钱雇佣一批人看效率怎样。究竟上这个外包团队曾经抵达上千人之众，之前他们同一正在 Knoxville 的办公室职业，现正在他们正在本人家里☆☆。

　　这套预测算法还面对着其他的寻事，这些寻事是来自理解论的☆。联系度的分预测公牛队将会获得竞赛。明晰这个结果是可量化的：输了或赢了☆，估中了或猜不中。Facebook 考试着操纵彷佛的思绪处分题目，纪录你与这些动态音信的互动频率。而这些互动也正好成为了 Facebook 收入的起原：点赞，点击，分享☆☆，评论☆，使音信病毒式撒播☆，把每一个孤单的用户串起来，精准地投放广告☆☆。

　　人人半时间，人们看到一则不感意思的音信☆，会直接跳过去。但有些音信使他们觉得愤怒☆☆，他们会特殊点开下拉栏，找到「埋没」按键。Facebook 算法将「埋没」视为猛烈的不满信号，并尽量删除彷佛的音信产生。

　　———————————————禁止转载——————————————————

　　【数据理会侠 《人人都市数据理会》20万字竹帛】点击链接，再采用浏览器翻开；或复制这条消息￥fSnh09F0Vpy￥后翻开 手淘

　　近年来，Facebook 和其他硅谷巨头们越来越风气于用呆板研习软件替咱们做出采用。硅谷明星埃隆马斯克和知名科学家霍金都一经提出警觉人工智能的见解，而「算法」这个词自身，即是为了大幅普及作用而生的☆。「算法」对待普遍人来说，是「不明觉厉」的揣测机名词，奥秘而充满魔性☆，而 Facebook 等科技巨头操纵的算法更是令人好奇☆☆。

　　Facebook 的算法，据我所知，有点小瑕疵并非体系的缘由☆。以现正在的科技秤谌而言，算法思要抵达科幻小说凡是洞悉人性是不或者的。Facebook 算法的背后仍然人☆☆。工程师们决计了数据的筛选☆☆，加工☆☆，及输出。算法犯错，背锅确当然是安排算法的工程师☆☆。算法的一步步进化，也是众数工程师们看了众数的数据☆☆，开了众数聚会☆，一再测试☆，最终的结果。然而，Facebook 算法的连续前进照旧使人觉得好奇☆，他们是怎样做到的？

　　———————————————禁止转载——————————————————

　　动态音信排序算法不单仅有一套☆☆，这是广大的曲解。究竟上☆☆，这不是一套有几百个小算法构成的算法。因为总共有良众个测试小组，「保存小组」☆，这个天下上同时运转着良众个版本的排序算法。我猜，有一部门「『埋没』强迫症患者」曾经可能乐意地刷动态音信了☆，但再有一部门的用户仍受到不凿凿算法的困扰☆。

　　然而这些换取对待真正的用户来说，短长常粗拙且不凿凿的☆☆。他们点了赞☆，并不肯定代外他们真的锺爱这条音信☆☆，故事看到一半就紧闭，也不肯定是不锺爱。怎样优化如此的环境？

　　动态音信推送算法的更始是一个特地长远的进程☆。假如它恰恰每次都击中你的痛点，那也仅仅是一个令人乐意的偶然。正在长达十年的动态音信运营进程中，数据原来就没有无懈可击过☆。而算法的更始即是一个否认之否认的进程，此日费力写成的代码也许来日就会被薄情删除。日复一日，工程师们正在 Facebook 门洛帕克市的总部里的研商体验陈诉，开会，举办一系列测试☆☆，然后一次又一次改进算法。

　　———————————————禁止转载——————————————————

　　这是一项特地障碍的职业☆。由于你正在 Facebook 上的好友们发的音信，再有你合心的明星们发的音信，哪些「和你相合」，是很难量化的事故。为此☆☆，Alison 讲明，Facebook 操纵了一套不同凡响的算法大红鹰dhy官方，称为预测式算法。（Facebook 的 news feed 算法，和谷歌的探求引擎算法，Netflix 的举荐算法都是分散式的繁杂算法，谅解良众小的算法）

　　冒泡排序的利益是单纯易懂☆。坏处也显而易睹☆☆，假如你的数据过大☆，揣测量会很大☆☆，速率也随之变慢☆☆。对待 Facebook 数十亿用户而言，当然不行用这种算法。Facebook?的算法央求你正在翻开 App 的刹那就把完全的动态音信凿凿归位☆☆，对速率的央求极其厉苛。但这仅仅是算法里的子算法云尔。最首要的是把完全的动态音信遵守无误的形式排序☆☆，最首要的产生正在最顶端☆☆。这即是 Facebook news feed 排序团队的职业了☆☆，即是把完全效户合心的消息按用户的联系度排序☆☆。

　　接着，他唾手写下了一个单纯的职业：安排一套算法☆☆，使数组按从小到大排序。「人类可能很容易的做到，这仅仅是举手之劳云尔。」他对我说☆。

　　「题目是☆☆，咱们或者错过了什么？」Mosseri 说，「有哪一方面的究竟是咱们的盲点☆？」 比方，他填充道，「咱们明白有些音信是你感意思的，但你并不会介入咨询换取。假如没相合注到这种环境☆，算法会误认为你对这些音信并不感意思，由于你即没有点赞，也没有评论。以是什么东西能把这些音信和普遍音信区别开来☆？」

　　比来，我游历了 Facebook 总部，与动态音信的算法团队相处，清楚这套机制背后的故事。他们是怎样把恶名昭着的动态音信算法挽回口碑的，为什么要这么做☆☆，怎样做到☆，及背后的运转机理☆☆。其余，咱们还能清楚到良众合于算法范围性的题目，数据有时间也会撒谎，Facebook 为此特意请了外包团队举办人肉反应，以抵达更凿凿的效率。

　　然而，对待揣测机，你应当给出整体而昭彰的门径。这就必要算法的维护：算法即是用于揣测机处分题目的一系列办法。Alison 告诉我的算法叫「冒泡排序」 ☆☆，它的整体做法如下：

　　再有些比力乐趣的着作都可能看下：正在助Facebook实行一天内10亿用户正在线的Growth团队职业，我都经过了什么

　　没有人或许猜透 Facebook 的算法事实是怎样天生的，而内部职员更不或者告诉你这些☆☆。这个主动化的算法对待人们的社交有着巨大的影响☆，并且它决计了咱们每天会看到什么，要明白天下上有五分之一的人丁——近 10 亿的 Facebook 灵活用户每天就正在动态音信内中阅读信息。病毒式扩散的算法机制全体推翻了守旧的媒体，把新兴的创业公司?BuzzFeed 和?Vox 市值推上了高位，而具有一百年史乘的报纸们则被持续带进了宅兆。社交逛戏公司 Zynga 和团购网站? LivingSocial 依附 Facebook ，正在短短一两年的时光内就做到了数十亿美金的估值☆，投资者们赚得盆满钵满。Facebook 的动态音信乃至或许支配咱们的喜怒哀乐☆☆，它推送给咱们真正优质乐趣的音信☆，并将仅仅是心境性的外达筛选掉。

　　然而，无论你何如悉心构修一个算法☆☆，老是有良众的数据你是不得而知的：教师的竞赛企图☆，德里克罗斯（公牛队球星）的膝盖伤势☆，乃至是篮球的气压。从微观层面讲，竞赛也不是一个简单比数值的逛戏。这是人介入的逛戏☆☆，「人」的繁杂水准远非算法可能预测。

　　一个算法可能尽或者的算出最优解，然而不是最优解☆☆，还得由人来评判☆。Cox 等人工动态音信机制设立的终纵目的即是，把完全人们真正相干的音信按首要水准排序，把无合的悉数隐去。他们明白☆☆，这意味着作古极少短期的广告收入及用户体验。Facebook 目前持有着大把现金，而 CEO 扎克伯格有着长久的目的☆，这给了他们贵重的试错机遇。但怎样独揽机遇，仍然要靠他们本人。

　　Facebook 并不是近年来独一数据驱动优化举荐算法的公司☆。Neflix 的最佳影片举荐☆☆，同样更具海量的用户数据，给用户分成众数小类☆，分类举荐。为了平均亚马逊的主动 A/B 测试，首席奉行官贝索斯向来设立一个孤单的反应邮箱供用户提出睹地。现正在将数据的解决全体交给呆板研习还为时尚早，但呆板研习的时期正正在加快到来☆。Facebook 主管 Mosseri 正在开会时并不锺爱操纵时兴的“数据驱动”，他说的是「数据辅助」。

　　明晰，每个用户的风气都是分别的，乐趣的是，Facebook 的数据理会师们挖掘，5% 的用户操纵「埋没」效力占了总数的 85 %。他们更深远的清楚，这一小部门人简直把本人看过的完全音信都埋没了——假使是他们点过赞的或评论过的音信。对待这些「『埋没』强迫症患者」，明晰，「埋没」不代外他们不锺爱这条音信，他们思要外达的是「已阅」记号，就像Gmail 里的「归档」。

　　即使这样，Facebook 也不行确定对待长远来看是否有负面影响。为了防御不料☆，还留有一部门「保存小组」☆☆，即一小部门的用户会正在几个月内坚持原样☆☆。

　　Adam Mosseri 是现 32 岁的动态音信产物主管☆，与 Alison 处于统一层级，但前者更合心策略尔后者更合心本事细节。他找到题目，Alison 职掌处分题目☆☆。他职掌从玄学层面思索动态音信题目。

　　这些变化有部门缘故是为了起到防御功用☆☆。近年来☆☆，Facebook 正在社交搜集的统治名望屡遭胁制，正如当年 MySpace 的名望遭到 Facebook 的寻事相似☆☆。而新兴的创业公司全体避开了数据驱动的形式，以 Instagram 为例，他们直接把你合心的完全人的形态音信以反时光规律的时光线列出☆，Facebook 不得不买下 Instagram 以保护垂老哥名望。Sanpchat 则以奇特的阅后即焚形式腐蚀着 Facebook 的青少年墟市。

　　用户们普通反应「有时」☆，新的动态音信会击中他们的兴奋点。Facebook 对此显示欣慰☆☆，并夸大会举办连续性的更始☆。

　　借此机遇或许把Facebook的动态实质算法再填充填充，有些故事仍然乐趣值得玩味，还相合于先容到的Facebook的灰度测试，做数据的奴隶。

　　这里有一个潜正在的负面影响：给用户支配的权益，但是他们真的明白本人事实思要什么吗？仍然数据驱动的 Facebook 比咱们更懂本人？或者做出比用户本人思要的更吸引人的动态音信吗☆☆？

　　评测小组对待动态音信算法的成熟起到了至合首要的功用☆，离开了对「大数据」的迷信之后，团队速速发展。 取而代之的是一个具有完美的反应及平均机制的体系，每一次算法的改动都务必经过分别类型☆☆，分别邦籍的用户的反应，过程众维度的准则测试无误率。

　　———————————————禁止转载——————————————————

　　每次你翻开 Facebook ，这个天下上最具影响力，最有争议也是最被人曲解的一套算法机制就起源运转。它会收罗合于你的总共形态更新：你好友每周发过的形态，你合心的每一小我，你参与的每一个群组，以及你赞过的每一条音信。对待 Facebook 用户来说，均匀每周有一千五百次形态更新。假如你稀有百位挚友，那这个数字或者会高达一万以上。通过对这些数据详细入微的视察☆☆，工程师们对举荐算法举办一向的优化☆☆，Facebook 的动态音信（news feed）能力做到产生你真正感意思的实质。由于☆，人人半人并不会每天都把时光线完好看一遍，只会看最上面几百个。

　　然而☆， 虽然它具有这样的权利，它的动态音信却向来难以让人速意，推送的实质非常肆意☆☆，幻化莫测，有时间乃至出奇的不雅。常常会推送极少可有可无的东西，谣言，琐事，充满戾气的话，或者是无趣的音信。Facebook 的内部职员很大白这件事。正在过去的几个月内，这个社交搜集巨头起源将从头安排过的动态音信推送算法正在用户内举办小界限的测试☆，你猜结果怎样☆☆？

　　———————————————禁止转载——————————————————

　　同样，Facebook 对待他们的商务消息缄口不言，Alison 不行告诉我相合「动态音信」 算法的本质代码。然而☆，他能告诉我或许的道理，以及为什么它向来正在转折☆☆。工程师们平常锺爱站正在白板前批注，他也不各异。

　　这一个包蕴排序工程师，产物司理☆，数据理会师的小团队最要紧的职业即是平均算法的凿凿性☆。Sami Tas 是此中的一位软件工程师☆，他的职业是把动态音信排序小组写出的目的（即伪代码）翻译成电脑可能明确的道话☆。这个下昼，我盯着他看，他从我旁边过程，被一个看似微亏损道的题目困扰了。这真的是一个微亏损道的题目啊☆☆，然而，Facebook 的员工们却锱铢必较。

　　花费了数月的时光☆☆，Mosseri 和他的团队毕竟修起了一个可能信托的测评小组☆，这是一个邦际化的团队，依据 Facebook 正在环球的用户数目分派团队中成员的邦籍，正在 2015岁晚☆☆，Facebook 斥逐了之前正在诺克斯维尔市的办公室，并扩张了海外测试团队。Mosseri 的直觉是对的：动态音信算法举荐上存正在盲点☆☆，但这件事工程师们本人挖掘不了。这必要另一种数据的维持——人肉反应。

　　同理☆☆，Facebook 的动态音信算法也是如此的环境。（动态音信是 Faceboook 最大的现金牛☆☆，均匀日入 2000 万美金）我问 Alison 正在 Facebook 算法的呆板研习道话中，总共思索了众少种条目☆，他答复道「数百种。」