Ingeniería Detrás del Algoritmo de Recomendación de Instagram
El algoritmo de recomendación de Instagram es esencial para brindar a los usuarios una experiencia personalizada y atractiva en la plataforma. Con millones de piezas de contenido subidas diariamente y más de 500 millones de usuarios activos, el proceso de generar recomendaciones efectivas es una tarea compleja que combina heurísticas y modelos de aprendizaje automático avanzados.
La Arquitectura de los Sistemas de Recomendación
Los sistemas de recomendación en plataformas como Twitter, TikTok y YouTube comparten una arquitectura de alto nivel similar. Esta arquitectura se compone de varias etapas: Recuperación, Clasificación en la Primera Etapa, Clasificación en la Segunda Etapa y Vuelta a Clasificar Final.
La Etapa de Recuperación
Dada la abrumadora cantidad de contenido, la etapa de recuperación se encarga de reducir los candidatos a miles de fotos y videos potenciales. Instagram utiliza heurísticas como las cuentas seguidas, los temas de interés y el historial de interacción para preseleccionar posibles recomendaciones. Algunas heurísticas se calculan en tiempo real, mientras que otras se generan durante las horas de menor actividad y se almacenan en caché.
El Papel de las Redes Neuronales de Doble Torre
La implementación clave en la etapa de recuperación es el uso de Redes Neuronales de Doble Torre. Estos modelos generan vectores de incrustación para usuarios y contenido, permitiendo comparar su similitud y predecir la probabilidad de interacción del usuario con el contenido. La ventaja es que estos vectores pueden calcularse durante las horas de menor actividad y almacenarse en caché para una inferencia eficiente.
Clasificación en la Primera Etapa y Segunda Etapa
Después de la recuperación, los candidatos se clasifican por su valor potencial para el usuario. En la primera etapa, se utiliza nuevamente la técnica de Doble Torre para filtrar los candidatos a los 100 mejores. Luego, en la segunda etapa, se emplea un modelo de red neuronal Multi-Task Multi Label para predecir diferentes tipos de interacción del usuario con una pieza de contenido.
Filtrado Final para la Experiencia del Usuario
La etapa final implica la aplicación de reglas comerciales detalladas para filtrar ciertos tipos de contenido y garantizar una experiencia segura y agradable para el usuario. Estas reglas pueden incluir evitar la repetición de contenido del mismo autor o disminuir el alcance de contenido potencialmente perjudicial.
Conclusión
El algoritmo de recomendación de Instagram es un componente fundamental para brindar a los usuarios contenido relevante y atractivo en una plataforma con una gran cantidad de usuarios y contenido. A través de una arquitectura en capas, heurísticas y modelos de aprendizaje automático, Instagram logra generar recomendaciones personalizadas y atractivas para cada usuario.
Recuerda que estaremos publicando constantemente en nuestro blog más contenido sobre tecnología.
Puedes encontrarnos en Facebook y Linkedln para más contenido relacionado con seguridad en internet y muchos temas más.