Selamlar TürkHacks ailesi!
Günlük hayatta saatlerce bağımlı olduğumuz Instagram, TikTok, X (Twitter) veya YouTube gibi platformların arkasında devasa bir veri işleme ve yapay zekâ mimarisi yatıyor. Bu konuda yazdığım sosyalleşme akışlarımızı yönlendiren öneri algoritmalarının arka planındaki çalışma mantığını anlatacağım.
1. Veri Toplama ve Sinyal Analizi
Algoritmalar sizi tanımak için sürekli veri toplar:
2. İçerik Eşleştirme Hunisi
Sistemlerin veritabanında milyarlarca içerik bulunur. Sizin akışınıza birkaç yüz içerik getirmek için süreç 3 ana aşamada işler:
3. Graflar ve Embeddings
Modern sistemler kullanıcıları ve içerikleri uzayda matematiksel vektörler (Embeddings) olarak temsil eder:
4. Yansıma Odaları ve Yankı Fanusu
Algoritmaların temel amacı kullanıcıyı platformda maksimum sürede tutmaktır . Bu durum, kullanıcının yalnızca kendi görüşlerini destekleyen içeriklerle karşılaşmasına ve etkisinin oluşmasına neden olur.
Yorumlarınızı ve görüşlerini iletebilirsiniz. İyi forumlar!
Saygılarımla,
MEGEPRO22
Günlük hayatta saatlerce bağımlı olduğumuz Instagram, TikTok, X (Twitter) veya YouTube gibi platformların arkasında devasa bir veri işleme ve yapay zekâ mimarisi yatıyor. Bu konuda yazdığım sosyalleşme akışlarımızı yönlendiren öneri algoritmalarının arka planındaki çalışma mantığını anlatacağım.
1. Veri Toplama ve Sinyal Analizi
Algoritmalar sizi tanımak için sürekli veri toplar:
- Aktif Sinyaller: Beğeniler, yorumlar, kaydetmeler, paylaşımlar,yorumlar ve takip edilen hesaplar.
- Pasif Sinyaller (En Kritik Kısım): Ekran süresi, bir videoda duraklama süreniz, akışı ne kadar hızlı kaydırdığınız veya bir profili ziyaret etme sıklığınız.
- Bağlamsal Veriler: Cihaz modeli, konum, günün saati.
2. İçerik Eşleştirme Hunisi
Sistemlerin veritabanında milyarlarca içerik bulunur. Sizin akışınıza birkaç yüz içerik getirmek için süreç 3 ana aşamada işler:
- Aday Oluşturma : İzlediğimiz gönderiler arasından ilgi alanlarınıza uyan birkaç bin aday içerik filtrelenir. Burada İşbirlikçi Filtreleme kullanılır: "Sizinle benzer davranış gösteren kullanıcılar neleri izledi?" sorusu yanıtlanır.
- Sıralama ve Skorlama : Seçilen aday içerikler derin öğrenme modellerine sokulur. Her içerik için "Bu kullanıcının bu gönderiyi beğenme, yorum yapma veya sonuna kadar izleme olasılığı kaçtır?" tahmini yapılır .
- Çeşitlilik ve Filtreleme : Üst üste aynı tarz içeriklerin veya aynı üreticinin videolarının gelmesini önlemek için akışa çeşitlilik eklenir. Ayrıca telifli, ihlalli veya filtrelenmiş içerikler bu aşamada elenir.
3. Graflar ve Embeddings
Modern sistemler kullanıcıları ve içerikleri uzayda matematiksel vektörler (Embeddings) olarak temsil eder:
- Bir kedi videosu ile kedileri seven bir kullanıcının vektörleri birbirine yakın konumlanır.
- Graph Neural Networks : Kullanıcılar, hesaplar ve gönderiler arasındaki ilişkiler devasa bir ağ yapısı üzerinde modellenir. Arkadaşlarınızın veya etkileşime girdiğiniz kişilerin kümelendiği alanlar sizin akışınızı da doğrudan etkiler.
4. Yansıma Odaları ve Yankı Fanusu
Algoritmaların temel amacı kullanıcıyı platformda maksimum sürede tutmaktır . Bu durum, kullanıcının yalnızca kendi görüşlerini destekleyen içeriklerle karşılaşmasına ve etkisinin oluşmasına neden olur.
Yorumlarınızı ve görüşlerini iletebilirsiniz. İyi forumlar!
Saygılarımla,
MEGEPRO22
