TLDR

Применяя методы глубокого обучения, искусственного интеллекта и машинного обучения, Pinterest может настроить каждый пользовательский опыт, поддерживая высокую вовлеченность и удержание пользователей.

Схема

  • вступление
  • Глубокое обучение для поиска изображений
  • Система рекомендаций
  • Рейтинг
  • Заключение

Введение

Основанная в 2010 году, Pinterest — это платформа, на которой пользователи могут добавлять изображения в закладки для создания папок, которые действуют как импровизированные блоги. Накопив 431 миллион активных пользователей, Pinterest отличается от других веб-сайтов с фотографиями, таких как Google photos, тем, что позволяет пользователям взаимодействовать и гарантирует, что фотографии, размещенные на сайте, являются изображениями высокого качества. Чтобы изображения были качественными и актуальными для отдельных пользователей, используются различные алгоритмы искусственного интеллекта (ИИ) и машинного обучения (МО).

Глубокое обучение для поиска изображений

Платформа Pinterest позволяет ежедневно загружать миллионы изображений. Пользователи взаимодействуют с платформой, выполняя поиск по слову или фразе и получая тысячи изображений, соответствующих запросу. Развертывание алгоритма ИИ, который может понимать и классифицировать фотографии, чрезвычайно важно для поддержания эффективности платформы.

Когда фотография загружается в Pinterest, она может содержать вводящие в заблуждение теги или не иметь соответствующих тегов, которые могли бы придать смысл этому изображению. Чтобы правильно пометить все загружаемые фотографии, Pinterest использует алгоритм искусственного интеллекта, который классифицирует и сортирует все фотографии. Это позволяет более эффективно ранжировать изображения и рекомендовать их позже в процессе.

В отличие от других платформ социальных сетей, чьи изображения в основном снимаются и публикуются с помощью мобильного телефона, изображения на Pinterest состоят из высококачественных профессиональных фотографий. Это значительно упрощает алгоритму Pinterest извлечение вложений в изображение.

Pinterest использует репрезентативное обучение, алгоритм глубокого обучения, связанный с нейронными сетями, для маркировки и классификации миллиардов фотографий, загруженных на их сайт. Алгоритмы обучения представлению стали успешными, потому что они могут извлекать очень конкретную информацию из изображений.

Изображения в Pinterest применяются к модели обучения представлению, которая извлекает пиксели для создания меньшего и более сжатого представления фотографии. Затем изображения сравниваются друг с другом и группируются на основе схожих качеств. С большим количеством данных и временем работы модели ее производительность может стать чрезвычайно нишевой и сложной в идентификации изображений. Это позволяет получить более точные рекомендации и ранжирование. Таким образом, эта модель закладывает основу для работы других алгоритмов искусственного интеллекта и машинного обучения в Pinterest.

Система рекомендаций

На ранних этапах Pinterest платформа демонстрировала высокий уровень взаимодействия с рекомендуемыми изображениями, которые показывались, когда пользователь нажимал на похожую фотографию. Изображения не были точным соответствием и не всегда точно соответствовали тому, что искал пользователь. Это натолкнуло на мысль создать описанный выше алгоритм поиска изображений для категоризации фотографий.

Реализация поиска по картинкам решила проблему идентификации похожих фотографий. Pinterest все еще нужно было решить, как передать эти фотографии своим пользователям. Для этого была создана рекомендательная модель, предоставляющая пользователям релевантные фотографии при прокрутке ленты.

Платформа Pinterest выигрывает от того, что пользователи сохраняют и группируют фотографии в маркированные папки. Это предоставляет Pinterest помеченный набор данных об индивидуальных интересах и предпочтениях пользователя. Когда пользователь прикрепляет фотографию, он сообщает алгоритму, чтобы он обслуживал его похожими булавками, чтобы они могли добавить его на свои доски. Пины также рекомендуются для разных категорий. Это означает, что пины с одной доски могут влиять на рекомендации других пинов.

В качестве примера предположим, что пользователь сохраняет фотографию стандартной пары джинсов. Используя данные, извлеченные из досок и прошлых пинов, алгоритм рекомендаций получает представление о стилевых предпочтениях пользователя. Если прошлые булавки пользователя содержали много западной одежды, алгоритм сужает список рекомендаций до фотографий джинсов, связанных с западной одеждой.

Рейтинг

Даже если пины фильтруются с помощью рекомендательной модели, для каждой ниши существуют тысячи, если не миллионы фотографий. Pinterest построил алгоритм ранжирования для сортировки фотографий, чтобы пользователи получали более точные рекомендации.

Модель ранжирования Pinterest учитывает 4 фактора:

  • Качество домена
  • Качество булавки
  • Качество пиннера
  • Актуальность темы.

Качество домена в Pinterest влияет на то, насколько хорошо фотографии с веб-сайта работают в приложении. Больше внимания уделяется контактам с более эффективных веб-сайтов, что повышает их рейтинг на домашних страницах пользователей.

Качество пинов определяет, насколько хорошо фотография работает на основе взаимодействия с пользователем: повторных пинов, комментариев и кликов. Подобно TikTok, Pinterest сначала оценит, насколько хорошо пин работает с собственными подписчиками пиннера. Если пин демонстрирует высокий уровень вовлеченности, он будет показан более широкой аудитории. Пины, показывающие больше вовлеченности, будут ранжироваться выше.

Pinterest оценивает качество булавки как фактор, определяющий, какой вес получает булавка. При этом учитывается уровень вовлеченности, качество публикуемых пинов и то, насколько активно пользователь взаимодействует с другими. Кроме того, качество ваших повторно закрепленных фотографий имеет значение, что дает большее значение более качественным и высокопроизводительным пинам.

Последним фактором системы ранжирования Pinterest является релевантность темы. Анализируя предпочтения пользователей с помощью их данных и встроенного контента в булавки, Pinterest может ранжировать наиболее релевантный контент для отображения в ленте пользователя.

Используя эти 4 фактора для ранжирования своего контента, Pinterest может предоставлять своим пользователям высококачественный и релевантный контент на их домашних страницах каждый раз, когда они выполняют поиск.

Заключение

Использование Pinterest моделей искусственного интеллекта и машинного обучения: обучение представлению, система рекомендаций и ранжирование позволяют им настраивать каждую панель инструментов, чтобы предоставлять своим пользователям высококачественный и актуальный контент. Эти оптимизации, несомненно, способствовали высокому уровню вовлеченности Pinterest.

Хотите создать свою собственную модель ранжирования? Начни строить бесплатно!