Twitter har nu gjort det Elon Musks – lovat lagt ut delar av sin algoritm som öppen källkod. Något som fått en del att notera vissa saker i koden.
Koden, publicerad under en GNU Affero General Public License v3.0, innehåller många insikter om vilka faktorer som gör en tweet mer eller mindre sannolikt att dyka upp i användarnas tidslinjer.
Sammankopplade
I ett blogginlägg som åtföljer koden skriver Twitters team (utan avsändare) att systemet för att avgöra vilka “topp Tweets som i slutändan dyker upp i din “For You-tidslinje” – “består av många sammankopplade tjänster och funktioner.
” Varje gång en Twitter-startskärm uppdateras, hämtar Twitter “de bästa 1 500 tweetarna från en pool på hundratals miljoner”, står det i inlägget.
Den största källan till dessa tweets är “In-Network Sources” eller användare som du följer. De bästa inläggen från den samlingen rankas efter sannolikheten för en användares engagemang med avsändaren; ju mer sannolikt, desto oftare dyker deras tweets upp i For You.
För “källor utanför nätverket”, de som inte följs av användaren, säger Twitter att det tar hänsyn till tweets som lockade till engagemang från människor som användare följer och tweets som gillas av de som gillar tweets som liknar en användare.
Tittat igenom
Flera av de har tittat igenom koden har hittat funktioner i koden som lett till en del frågor – som lagts ut på Twitter.
Twitter just released source code for "the algorithm"
Oh, what file is this? Predicates for tweets on the home timeline?
Oh what is that 2nd image? pic.twitter.com/UE3dU8e3Os
— Ólafur Waage (@olafurw) March 31, 2023
Kodsnuttarna:
author_is_elon
author_is_power_user
author_is_democrat
author_is_republican
Väcker onekligen en del frågor mot bakgrund av att Elon Musk tidigare anklagats för att ha ändrat i algoritmen för att prioritera hans egna inlägg men det finns en kommentar i koden:
These author ID lists are used purely for metrics collection. We track how often we are serving Tweets from these authors and how often their tweets are being impressed by users. This helps us validate in our A/B experimentation platform that we do not ship changes that negatively impacts one group over others.
0 kommentarer