微博为何让人上瘾？幕后推荐算法解密

积累知识，胜过积蓄金银！毕竟在##column_title##开发的过程中，会遇到各种各样的问题，往往都是一些细节知识点还没有掌握好而导致的，因此基础知识点的积累是很重要的。下面本文《微博为何让人上瘾？幕后推荐算法解密》，就带大家讲解一下知识点，若是你对本文感兴趣，或者是想搞懂其中某个知识点，就请你继续往下看吧~

2021年7月13日，劳累了一天的年轻人们，正准备躺平拿出手机，打开那熟悉的小破站App，一键三连自己最喜爱的up主的最新视频。

结果突然发现，自己的眼前一黑：

时隔一年，B站终于揭晓了这其中的奥秘：一个「诡计多端的0」。

不过，你有没有想过，即便是经历着用户的疯狂涌入，为啥这个微博，它没崩呢？

AI和微博有啥关系？

在揭开这个谜底之前，还需要从人工智能的发展说起。

7月27日，由中国互联网协会指导、微博和新浪新闻主办的「融合生态 价值共创」2022新智者大会顺利召开。

在「智驱万物：AI推动万物互联的加速到来」议题中，微博COO、新浪移动CEO、新浪AI媒体研究院院长王巍发表了题为《云为数智 技术融合应用 赋能微博复杂业务场景》的主题演讲。

王巍表示，如果我们回顾机器学习的发展历程，可以看出AI的总体发展趋势是：训练数据的海量化及多样化，AI模型的复杂化及通用化，算力的高效化及规模化。

第一，是多模态数据融合。

随着5G的快速发展，图片、视频类型模态内容在网络内容中占比越来越高，所以进行模态融合非常必要。

对于微博来说，如果能同时对文本、图片、视频进行多模态融合，也就可以更好理解这条微博所讲的内容了。

第二，是超大规模图计算。

相对其他机器学习模型，超大规模图计算有个特殊的优势：通过信息在网络中的传递，促进信息的流动、汇聚与集成。

比如对于行为少的冷启动用户，我们可以通过他关注列表中的人，以及这些人发布的内容，通过信息传播来推导这个用户的兴趣。

第三，是AI研发的哑铃模式。

目前的AI研发重点，一个是越来越大的超级大模型，一个是模型小型化技术。

我们都知道，目前随着模型参数规模越来越大，模型效果越来越好，高精度模型仍然在持续增大，比如2018年Google的Bert刚出来的时候，模型参数规模是3亿，不算太大，但是之后这个数字一直在飞速增长。

OpenAI研发的GPT-2模型，参数规模15亿，GPT-3模型，参数规模1750亿，而到了2021年Google发布的Switch Transformer，参数规模已经达到了1.6万亿。

另一方面，虽然说模型越大效果越好，但是因为模型过大，有时会导致无法让实际应用落地。所以研发的另外一个重点，是将这些大模型小型化、轻量化，比如模型蒸馏、模型剪枝等技术。

第四，是AI模型从专用模型走向通用模型。

谷歌在2021年下半年公开了Pathways模型框架，首先提出了这一构想，希望通过构造一个通用的大模型，达到「一个模型做千万件事」的目标。

具体的思路是，不同任务数据输入后，通过路由算法，选择神经网络的部分路径，到达模型输出层。不同任务既有参数共享，也有任务独有的模型参数。

10亿节点+100亿边的超大规模图

为何讲了这么半天机器学习？因为接下来要登场的，就是「微博特色推荐系统」了。

众所周知，作为国内最大的社交媒体网络，微博目前的月活用户已经达到5.82亿了！这样大的用户规模，必然会让微博上的网络环境十分复杂。

再加上内容时效性强、多样性高，现在的网络大事都会第一时间在微博上引爆。

另外，微博面临的场景还很多元化，需要在关系流、热点流、视频流等众多场景中给用户分发他们感兴趣的「千人千面」的内容。

我可以没有手指，但不能没有手机

面对复杂的业务场景，微博是怎样通过AI和大数据，做出能随机应变的推荐系统的呢？

王巍向我们介绍说，微博推荐系统整体由三部分构成：内容理解、用户理解，以及推荐系统。

首先，是内容理解。

如果要想搞明白一个微博到底在说什么，仅仅理解文本内容是不够的，必须采用多模态理解技术，融合博文、图片、视频等多种媒体信息。

为此，微博训练了自己的微博多模态预训练模型，通过「对比学习」，用这种自监督学习方法，来进行多模态预训练。

下图的这例子就展示了微博是怎样利用自带的「话题」来自动构造训练数据的。

比如，我们把两个都写着「训练中的拉什福德」的微博当作正例，随机选择一些不同话题的微博作为负例，这样就能自动构造训练数据。

对于某条微博，其中的文本内容通过Bert编码，图像和视频内容通过ViT编码，然后通过fusion子网络进行信息融合，形成微博的embedding编码。这就是一种预训练过程。

经过预训练，学好的微博编码器可以拿来对新的微博内容进行多模态编码，形成embedding，应用在推荐等下游任务中。

其次，在用户理解方面，微博采取了超大规模图计算，来更好地理解用户的阅读兴趣。毕竟微博自带社交媒体属性，天然地就和大规模图计算非常匹配。

利用用户和博文作为图中的节点，以用户间的关注关系、用户和博文的阅读及转评赞等互动行为构造图中的边，微博建立起了包含10亿规模节点、100亿规模边的超大规模图。

通过大规模图计算中的信息传播、汇聚和集成，形成表征用户兴趣的embedding向量，可以更好地理解用户兴趣。

如此一来，也就可以同时搞定用户之间的关注关系、用户和博文的转评赞等等的互动行为了。

在理解了用户在讲什么、理解了微博用户的兴趣之后，微博推荐系统就会将高质量的微博，个性化地分发给感兴趣的用户。

那么，如何在这种复杂场景下构造高效率的推荐系统呢？

微博采取的是采取了多场景建模的方式。最理想的情况是，只构建一个推荐模型，用它来服务多个场景。

那么如何表示场景间的共性和个性呢？可以通过网络参数在场景间共享，或者场景自己独享私有网络参数，来体现场景的共性与个性。

比如这张模型图，在模型的底层特征输入层，以及网络中间的一部分「专家子网络」，这些网络参数是各个场景共享的；而其他子网络参数则是某个场景所独有的

通过这种方式，就能够通过一个模型服务多个场景，节省模型资源。

唐山事件：流量暴涨一倍怎么办？

现在，说回到最初的那个「悬念」上来。

对于微博来说，这个保不齐什么时候就会「炸」的热点，一直以来都是非常大的挑战。

比如，最近全民关注的「唐山事件」，事件当天的热点流量，比日常流量峰值翻了整整一倍。

对此王巍表示，微博在很早就应用了微服务+Docker容器化技术，不仅提升服务运维的效率，而且还实现了服务动态扩缩容能力。当前，微博已经具备了10分钟调度超过一万台的扩容能力，可以有足够的服务器来应对热点流量。

此外，微博还建立了热点监测机制和热点联动体系，并通过微博自研的Weibo Mesh技术，实现不同服务间跨语言的高效调用，提升整体服务的性能，和联动扩容效率。

最后，微博采用了在离线实时混合部署技术。利用CPU实时抢占式调度技术与容器化技术相结合，实现微博服务在离线实时混合部署能力。

综合了上面这些操作之后，在有热点流量来袭时，就可以秒级承接核心服务的热点流量了。最后，让我们再来回顾下互联网的发展历程。

如果说PC互联网是网络世界的开端，那么移动互联网的兴起则让我们将这无形的信息空间装进了口袋。随着大数据、云计算、人工智能等技术与移动互联网的叠加融合，我们进入了智能信息时代。

而现在，最火的话题就要数元宇宙了。从去年开始，元宇宙就引发了广泛的讨论，比如数字孪生、数字人、XR、区块链技术等。

王巍认为，目前基于AI、区块链、XR等前沿技术的应用场景，已经体现了一些元宇宙的雏形。诸如游戏、社交等领域，都是元宇宙非常好的应用场景，会引爆大家参与元宇宙的热情。

今天带大家了解了的相关知识，希望对你有所帮助；关于科技周边的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~