El pasado 30 de marzo Twitter publicó este artículo promovido desde la llegada de Elon Mask a este medio social para dar a entender cómo el algoritmo recomienda contenidos y aparecen en nuestro timeline:
https://blog.twitter.com/engineering/en_us/topics/open-source/2023/twitter-recommendation-algorithm
Recomiendo su lectura completa para entender mejor su funcionamiento, pero os dejo este resumen:
El proceso de recomendación se compone de 3 etapas principales que utilizan estas características:
1. Recopilar los mejores Tweets de diferentes fuentes de recomendación en un proceso llamado “selección de candidatos”. Estas fuentes son de usuarios que sigues y de personas que no sigues (aproximadamente 50% cada una, pero varían en función de los usuarios)
El factor más importante en la clasificación de los tweets dentro de tu red es lo que llaman Real Graph que básicamente predice la probabilidad de interacción entre dos usuarios. A mayor probabilidad de interacción pues más se muestran los tweets de esa fuente.
En cuanto a los factores más importantes para los tweets de usuarios de fuera de tu red están basados en similitudes con otros usuarios o contenidos y son lo que llaman Social Graph (basado en interacciones que ya hacen personas que siguen o que tienen intereses similares) y los Embedding Spaces (calculando la similitud entre cualquier par de usuarios, Tweets o pares de usuario)
2. Rankeando cada Tweet mediante un modelo de aprendizaje automático
Se clasifican los tweets a través de un scoring que predice la relevancia de cada tweet en tu feed. El scoring tiene en cuenta miles de características y categoriza en diez etiquetas para dar a cada Tweet una puntuación,
En esta etapa, todos los candidatos se tratan por igual, sin tener en cuenta la fuente de origen del candidato.
3. Aplicar heurísticas y filtros
Filtra Tweets de usuarios que has bloqueado, contenido para adultos, Tweets que ya has visto previamente, repetición de contenidos de un mismo autor..