推特推荐算法的源代码。推特推荐算法是一组服务和作业，负责构建和服务主页时间线。有关算法工作原理的介绍，可参阅博客。
开源库中包含的推荐算法的主要组件有：
| 类型 | 成分 | 描述 |
|---|---|---|
| 特性 | 模拟集群 | 社区检测和稀疏嵌入这些社区。 |
| 双核 | 用户和推文的密集知识图嵌入。 | |
| 信任和安全模型 | 用于检测 NSFW 或滥用内容的模型。 | |
| real-graph | 预测 Twitter 用户与其他用户互动的可能性的模型。 | |
| tweepcred | 用于计算 Twitter 用户信誉的 Page-Rank 算法。 | |
| recos-injector | 流式事件处理器，用于为基于GraphJet的服务构建输入流。 | |
| 图特征服务 | 为一对定向用户提供图形特征（例如，有多少用户 A 的关注点赞了用户 B 的推文）。 | |
| 候选来源 | 搜索索引 | 查找网络内推文并对其进行排名。约 50% 的推文来自此候选来源。 |
| cr-mixer | 用于从底层计算服务中获取网络外推文候选者的协调层。 | |
| 用户推文实体图(UTEG) | 在内存中维护一个用户到推文的交互图，并根据该图的遍历找到候选者。这是建立在GraphJet框架之上的。其他几个基于 GraphJet 的特性和候选源位于此处 | |
| 遵循推荐服务(FRS) | 为用户提供要关注的帐户的建议，以及来自这些帐户的推文。 | |
| 排行 | light-ranker | 搜索索引 (Earlybird) 使用的轻量级模型对推文进行排名。 |
| heavy-ranker | 用于对候选推文进行排名的神经网络。用于选择时间轴推文的主要信号之一。 | |
| 推文混合和过滤 | home-mixer | 用于构建和服务主页时间线的主要服务。建立在产品混合器上 |
| 可见性过滤器 | 负责过滤 Twitter 内容以支持法律合规性、提高产品质量、增加用户信任度、通过使用硬过滤、可见产品处理和粗粒度降级来保护收入。 | |
| 时间线排序器 | 旧版服务，它提供来自 Earlybird 搜索索引和 UTEG 服务的相关性评分推文。 | |
| 软件架构 | navi | 用 Rust 编写的高性能机器学习模型服务。 |
| product-mixer | 用于构建内容提要的软件框架。 | |
| twml | 基于 TensorFlow v1 构建的旧版机器学习框架。 |
包括大多数组件的 Bazel BUILD 文件，但不包括顶级 BUILD 或 WORKSPACE 文件。
评论