
پلتفرم لینکدین جزئیات سیستم جدید توصیه محتوا مبتنی بر هوش مصنوعی را منتشر کرد که با استفاده از مدلهای زبانی بزرگ و ارزیابی پروفایل حرفهای کاربران، مطالب مرتبطتری را از افراد خارج از شبکه مخاطبان به نمایش میگذارد.
لینکدین توضیحاتی را درباره سیستم در حال تکامل توصیه محتوای خود ارائه کرده و نمای کلی از فرایند بهبودیافته و مبتنی بر هوش مصنوعی خود را به اشتراک گذاشته است.
سیستم این پلتفرم مشخص میکند که چه محتوایی از افرادی که کاربر با آنها ارتباط ندارد، در فید کاربران نمایش داده شود.
شیونگ لین، مهندس لینکدین، در مطلبی در وبلاگ مهندسی این پلتفرم توضیح داد که مدل جدید «ارتباط پروفایل» (Profile Relevance) از بردارهای تولیدشده توسط مدلهای زبانی بزرگ برای تطبیق دادن اعضا و پستها بر اساس زمینه حرفهای استفاده میکند.
این فرایند اساساً خلاصهای از پروفایل هر کاربر را به شکل یک پرامپت تبدیل میکند و اطلاعات پروفایل و سابقه انتشار پست هر عضو را در نظر میگیرد. سپس یک راهنمای شخصیسازیشده از آنچه کاربر احتمالاً به آن علاقهمند است، میسازد.
در سطحی پایهای، این بدان معناست که سیستم یک خلاصه رباتگونه از اطلاعات هر کاربر ایجاد میکند که در نهایت تعیین میکند چه محتوایی در اپلیکیشن به او نمایش داده شود.
با استفاده از این خلاصههای تولیدشده، لینکدین یک سیستم توصیه جدید ساخته است که میزان ارتباط محتوا را در مقایسه با خلاصه اطلاعات هر عضو سنجش میکند.
به گفته لین: «این سیستم ارزیابی میکند که هر پست تا چه اندازه با زمینه حرفهای یک عضو در فاکتورهای مشخصی از جمله موضوع، موقعیت مکانی، عنوان شغلی، شرکت، صنعت، سطح ارشدیت و تحصیلات تطابق دارد.»
لینکدین پیش از ساخت سیستمی که پستهای مرتبطتری را از افرادی که کاربران در اپلیکیشن دنبال نمیکنند به آنها نشان دهد، این نتایج را به صورت دستی ارزیابی کرد.
این اقدام به بهبودهای قابلتوجهی در میزان ارتباط محتوای فید منجر شده است.
به گفته لین: «آزمایشهای آنلاین نشاندهنده افزایش ۰.۵۴ درصدی در بازدید بهروزرسانیهای فید، افزایش ۰.۹۴ درصدی در نرخ انتشار ویروسی و کاهش ۱۸.۸ درصدی در نرخ پنهانسازی پستها است که نشاندهنده تجربهای مرتبطتر و کمصداتر برای اعضا است. برای کاربران، این موضوع به معنای فیدی است که محتوای باکیفیت را فراتر از شبکه فوری آنها ارائه میدهد و در عین حال با زمینه حرفهایشان همسو میماند، حتی زمانی که فعالیت تاریخی محدودی داشته باشند.»
لین گفت که این سیستم همچنین با اطمینان از اینکه پستهایشان به مخاطبان مرتبط فراتر از شبکه فوری آنها میرسد، به سازندگان محتوا سود میرساند.
«قابل ذکر است که برای اعضای اصطلاحاً سرد که سابقه فعالیت محدودی دارند، شاهد افزایش ۱۷.۷ درصدی در تعامل ویروسی و افزایش ۱.۸ درصدی در کاربران فعال روزانه بودیم که توانایی این مدل را در تعمیم مؤثر حتی با وجود دادههای تعاملی پراکنده نشان میدهد.»
به طور خلاصه، توصیه پستهای کاربرانی که در شبکه ارتباطی کاربر نیستند، در فید لینکدین احتمالاً اکنون مرتبطتر و ارزشمندتر شده است و تجربه بهتری را در لینکدین رقم میزند.
منبع: Social Media Today
نظرات
ورود به حساب