엣지

EdgeRank는 사용자의 뉴스 피드에 표시할 기사를 결정하기 위해 페이스북이 사용하는 알고리즘에 일반적으로 붙여진 이름입니다.Facebook은 2011년부터 EdgeRank 시스템 사용을 중단하고 2013년부터 10만 개 이상의 요소를 ^[1]고려한 머신러닝 알고리즘을 사용하고 있습니다.

EdgeRank는 Serkan Piantino에 의해 개발 및 구현되었습니다.

공식 및 요인

2010년에는 EdgeRank 알고리즘의 단순화된 버전이 다음과 같이 제시되었습니다.

$\displaystyle \sum _{\mathrm {sum,} e}u_{e}w_{e}d_{e}$

여기서:

${\displaystyle u_{}}$e {\$displaystyle u_{e}}$는 사용자 어피니티입니다.

$\$는 콘텐츠의 가중치 부여 방법입니다.

$\$는 시간 기반의 붕괴 파라미터입니다.

• 사용자 어피니티:Facebook EdgeRank 알고리즘의 User Affinity 부분은 사용자와 콘텐츠의 관계와 근접성을 조사합니다(Post/Status update).^[1]
• 콘텐츠 무게:콘텐츠에 ^[1]대해 사용자가 수행한 작업입니다.
• 시간 기반 붕괴 매개 변수:새것인지 오래된것인지.새로운 투고는 오래된 ^[1]투고보다 높은 위치에 있는 경향이 있습니다.

Facebook이 파라미터를 조정하기 위해 사용하는 방법 중 일부는 독자적이며 ^[2]일반인이 이용할 수 없습니다.

Facebook의 콘텐츠 알고리즘 순위에서 "좋아요" 반응과 다른 상호작용의 장점(예: "하하" 반응 또는 "댓글")의 단점을 가정하는 것이 가능하다는 연구 결과가 나왔다."좋아요" 버튼을 누르면 "바이러스에 의한 도달의 브레이크 효과"로서 유기적 도달 범위를 줄일 수 있습니다."하하" 반응, "댓글" 반응, 그리고 "사랑" 반응은 총 유기적 ^[3]범위 내에서 가장 높은 증가를 달성할 수 있습니다.

영향

Edge Rank와 그 후계자는 사용자가 표면적으로 따르는 것 중에서 실제로 무엇을 보는가에 광범위한 영향을 미칩니다.예를 들어, 선택은 필터 버블(사용자가 자신의 의견을 확인하는 업데이트 등에 노출되는 경우)을 발생시키거나 사람들의 기분을 바꿀 수 있습니다(사용자가 지나치게 많은 양의 긍정 또는 부정 업데이트를 ^[4]받는 경우).

그 결과, Facebook 페이지의 일반적인 참여율은 1% 미만(또는 큰 페이지의 ^[5]경우 0.1% 미만), 대부분의 비영리 ^[6]단체에서는 유기농이 10% 이하에 도달합니다.

그 결과, 페이지의 경우,^[7] 콘텐츠를 홍보하기 위해 돈을 지불하지 않고서는 중요한 독자에게 접근하는 것이 거의 불가능할 수 있습니다.

「 」를 참조해 주세요.

• PageRank, 구글 검색 엔진에서 사용되는^[8] 순위 알고리즘

레퍼런스

외부 링크

• edgerank.net
• Facebook - 뉴스 피드 구조