EdgeRank

EdgeRank je naziv obično dat algoritmu koji Facebook koristi da odredi koji članci bi trebalo da budu prikazani na korisnikovom News Feed-u. Od 2011. godine, Facebook je prestao da koristi EdgeRank izraz interno koji se odnosio na njegov News Feed rang algoritam , i u 2013. godini, koristi algoritam koji uzima više od 100 000 faktora u nalogu kao dodatak EdgeRank drvetu. U 2010. , EdgeRank je opisan kao:

$\sum _{\mathrm {edges\,} e}u_{e}w_{e}d_{e}$

gde je:

$u_{e}$ korisnikova sklonost

$w_{e}$ kako je sadržaj procenjen

$d_{e}$ je vremenski baziran parametar raspada.

Algoritam EdgeRank

Na 2010 F8 konferenciji Facebook-a , otkrivena su tri sastojka algoritma

1. sklonost rezultatu
2. značaj ivice
3. vreme raspada

Sklonost rezultatu označava kako je određeni korisnik povezan na ivicu. Na primer, prijatelj sam sa mojim bratom na Facebook-u. Često mu pišem na zidu i imamo 50 zajedničkih prijatelja. Imam veliku sklonost rezultata sa mojim bratom, pa Facebook zna da verovatno želim da vidim njegove statuse.

Facebook računa sklonost rezultata gledanjem u eksplicitne akcije koje korisnik preduzima, i faktorišući ih na 1) jačinu akcije 2) koliko vam je bliska osoba koja je izvršila akciju 3) pre koliko je izvršila akciju .

Eksplicitne akcije uključuju klik,lajk,komentare, šerovanje i prijateljstva. Svaka od ovih interakcija ima različitu težinu koju reflektuje na pokušaj koji je neophodan za akciju. Više pokušaja od strane korisnika demonstrira više interesa na sadržaj. Komentarisanje nečega vredi više od samog lajkovanja toga, što vredi više od samog klika na to. Pasivno gledanje statusa na newsfeed ne uzima se u obzir sklonosti rezultata, ukoliko ne postoji interakcija. Sklonost rezultata ne meri samo moje akcije, već i akcije mojih prijatelja , i akcije njihovih prijatelja. Na primer, ukoliko komentarišem na fan stranicu, to vredi više nego kad moj prijatelj komentariše , što opet vredi više nego da njegov prijatelj komentariše. Nisu sve akcije prijatelja tretirane jednako. Ukoliko kliknem na nečiji status i pišem na njegovom zidu konstantno, akcije te osobe utiče na sklonost mog rezultata značajno više nego drugog prijatelja koga pokušavam da ignorišem.

Ukoliko sam sa nekim imao veću interakciju , ali je sada ona manja, onda se njen uticaj smanjuje. Facebook množi svaku akciju sa 1/x , gde je x vreme kada se akcija dogodila.

Sklonost rezultata je jednosmerna . Moj brat ima različitu sklonost rezultata za mene , nego što ja imam prema njemu. Kada je pišem bratu na zidu, Facebook zna da brinem o bratu ali ne zna da li i on brine za mene.

Svaka kategorija ivica ima različitu podrazumevanu težinu.

Svaka akcija koju korisnik preduzme kreira ivicu, i svaka od ovih ivica, osim klika, kreira potencijalnu priču. Normalno, verovatnije je da ćeš videti kako sam komentarisao nego da mi se nešto sviđa.

Facebook menja težinu ivica i na taj način određuje koji tip priče će korisnik smatrati najzanimljivijim. Na primer , slike i video snimci imaju veću težinu nego linkovi. Facebook rangira čin komentarisanja, sviđanja , posete fan stranicama različito u zavisnosti od izvora. Na primer, postati fan preko reklame može imati manju težinu ivice nego da se postane fan pomoću pretrage te stranice.

Nove karakteristike Facebook-a generalno imaju veću težinu ivica, da bi se te karakteristike bolje promovisale korisnicima. Posle određenog perioda nove mogućnosti se vrađaju na težinu koja je realnija.

Kako priča stari, ona gubi poene jer je "stara priča".

EdgeRank dinamički računa rezultat. Kada se korisnik uloguje na Facebook, njegov newsfeed je popunjen sa člancima koji u tom trenutku imaju najveći rezultat. Njegov novi status će se naći na newsfeed-u ako ima veći rezultat ,u tom trenutku, od ostalih mogućih priča na newsfeed-u.

Facebook samo množi svaku akciju sa 1/x , gde je x vreme kada se akcija dogodila. Ovo može biti linearna funkcija raspada ili eksponencijalna. Facebook podešava faktor vremenskog raspada bazirano na 1) koliko je prošlo od poslenjeg prijavljivanja na nalog 2) koliko često se korisnik prijavljuje na nalog.

Facebook graf pretraga

Facebook Граф Pretraga (engl. Facebook Graph Search) je nova pretraga u okvriru Facebook-a. Ona omogućava da pretražujete sve ono što ste ikada uradili na ovoj društvenoj mreži, sve što su vaši prijatelji uradili i sve što su prijatelji vaših prijatelja uradili. Naravno, sve pod uslovom da je sadržaj koji se prikazuje dostupan vama, tj. zavisno od podešavanja privatnosti za svaku pojedinačnu stvar na Facebook-u.

Definitivno, za razvoj graf pretrage je najzaslužniji Lars Rasmussen.Učestvovao je u kreiranju, popularnog, besplatnog softvera Google Maps. 2010 Rasmussen je obelodanio da je napustio Google i da prelazi u Facebook.Njegov partner u realizaciji projekta “Graf pretrage” Tom Stocky se pridružio Facebook-u u julu 2011. godine, a do tada je radio, takođe, u Google-u. Beta verzija graf pretrage je pokrenuta u januaru 2013 sa ograničenim pregledom za neke korisnike u Sjedinjenim Državama, koji koriste engleski jezik.Izveštaji ukazuju da je serivis koristilo između desetine i stotine hiljada korisnika. Od avgusta 2013, graf pretraga je dostupan svim korisnicima engleskog u SAD. Krajem septembra 2013 Facebook je objavio da je pretraga postova i komentara postala deo graf pretrage. Post na Blogu inženjera na Facebook-u objašnjava da ogromna količina postova i komentar, ukupno do 700 TB, značila da je razvijanje graf pretrage za postove i komentara znatno veći izazov od originalne graf pretrage.

Trenutno graf pretraga je dostupna korisnicima koji koriste Facebook na engleskom jeziku na desktopu. Ako koristite Facebook van engleskog, graf pretrage još uvek nije dostupna.Tokom prikazivanja poslovnih rezultata za poslednji kvartal prošle godine, Mark Cukerberg je ukazao na to da je graf pretrage za mobilne uređaje u razvoju, mada nije precizirao kada će se pojaviti. Korisnici koji imaju graf pretragu, neće moći da se vrate na stariju verziju pretraživanja.

Graf pretraga funkcioniše upotrebom algoritma za pretragu sličan tradicionalnim pretraživačima kao što je Google. Međutim, funkcija pretraživanje se ističe kao semantički pretraživač, pretraživanje na osnovu nameravanog značenja. Umesto povratka rezultata na osnovu ključnih reči koje se podudaraju, pretraživač je dizajniran da odgovara fraze. Rezultati pretrage su zasnovane na sadržaju profila korisnika i njegovih prijatelja i odnosima između njih. Bing je integrisan u graf pretragu , kao pomoć u situacijama kada on ne može da nađe tražene odgovore. Mark Cukerberg, osnivač Facebook-a, je na predstavljanju novog pretraživača istakao da graf pretraga nije veb pretraživač i da on nije zamena za Google. Cukerberg-ov format pretrage, preveden za naše podneblje može izgledati ovako: ako u Google ukucate Beograd, dobićete listu sajtova ili slika o Beogradu; ako Beograd ukucate u graf pretragu, možete dobiti listu prijatelja koji su iz Beograda ili neki drugi listing sadržaja koji je vezan za korisnikove prijatelje i Beograd. Na primer, u graf pretragu korisnik će ukucati "Prijatelji koji vole klasičnu muziku i hevi metal" i dobiće relevantne rezultate. Facebook-ov opis graf pretrage ističe da se pretraga ne mora odnositi samo na trenutne prijatelje koje korisnik ima u svojoj listi, već i na prijatelje koje je sreo u stvarnom životu a želeo bi da ih ima i kao Facebook prijatelje.

Tipovi pretrage

1. Ljudi
2. Stranice
3. Mesta (Na određenoj lokaciji (geografska širina i dužina) i udaljenosti)
4. Objekti sa priloženim informacijama o lokaciji. Pored toga, vraćeni objekti će biti oni u kojima su označeni korisnik ili prijatelji, ili oni predmeti koji su kreirani od strane korisnika ili prijateljima.
5. Poruke i komentari
6. Korisnici mogu da filtriraju rezultate
7. Funkcija takođe omogućava korisnicima da direktno pretražuju internet

Način pretrage

1. Kliknite na traku za pretragu na vrhu stranice.
2. Počnite da kucate vašu pretragu.
3. Dok kucate, lista predloga za pretragu će se pojaviti ispod trake za pretragu.
4. Izaberite jednu od ponuđenih opcija ili završite sa kucanjem i pritisnite enter.
5. Kliknite Refine This Search da suzite rezultate po stvarima kao što je lokacija, datum ili slično

Primeri pretrage

1. Slike mojih prijatelja u Madridu
2. Muzika koju moji prijatelji vole
3. Kafane po Beogradu
4. Ljudi koji vole određeni film

Zaključak

Ne postoji generalni EdgeRank rezultat zato što svaki fan ima različitu sklonost rezultata ka stranici. Može se izmeriti koliki ste angažman dobili pomoću Facebook analitičkog alata Arhivirano na sajtu Wayback Machine (10. januar 2015)

Funkcija Open Graph omogućava programerima da integrišu svoje aplikacije i stranice na Facebook platformi, i povezuje Facebook sa eksternim sajtovima na internetu.Funkcija radi tako što dozvoljava dodavanje metapodataka koji pretvaraju sajtove u graf objekte. Akcije napravljene pomoću aplikacija su vidljive na stranicama profila korisnika.

Graf pretraga pomaže ljudima da istražuju Facebook na potpuno nov način. Rezultati pretrage pomoću graf pretrage su različiti za svakoga, na osnovu onoga šta ste delili sa ostalim korisnicima. Vaši izbori privatnosti određuju šta vaši prijatelji vide kada pretražuju.

Vidi još

• Rang veb stranica

Literatura

• EdgeRank Wikipedia
• EdgeRank
• Facebook graf pretraga Wikipedia

Spoljašnje veze

Matematički fakultet Beograd

Svet kompjutera