月度用戶量達1.5億，除了機器學習，Pinterest 還有什么金剛鉆？

機器學習 Pinterest 大數(shù)據(jù)

Wheeler | 2016-11-11 16:16

【數(shù)據(jù)猿導讀】目前，不少新興公司都在通過內(nèi)容的個性化和本地化來積累和維護用戶，例如 Airbnb 和 Spotify。Pinterest 之所以出眾，是由于用戶自己帶來了龐大的圖像數(shù)據(jù)。在過去兩年里，Pinterest 在更智能地利用所有的圖像方面下功夫，現(xiàn)在看來他們的努力卓有成效...

Venturebeat 的 Jordan Novet 這樣描述他使用 Pinterest 的體驗：在 Pinterest上，我感覺就像剛和自己最親密的朋友們參加了一場聚會一樣，許多釘板都很有趣。這里有中世紀淺棕色的皮革沙發(fā)，有用黑褐色百葉窗裝飾的房子，還有用鐵質(zhì)桌腿和木板條支撐的裝有輪子的媒介控制臺，當然還有肉桂卷。每一個推薦的背后都藏著它的原因，每個推薦都與我以前收藏在自己的 Pinterest 釘板上的東西和我以前看過或是搜索過的東西相關(guān)。之所以出現(xiàn)肉桂卷，是因為我關(guān)注的某個人收藏了它。

一切都不是巧合，Pinterest 的工程師多年來一直在改進其推薦系統(tǒng)，現(xiàn)在 Pinterest 每月活躍用戶超過1.5億，而且其中大多數(shù)用戶都位于美國境外。所以為了繼續(xù)保持 50％的年增長率（去年每月有 1 億活躍用戶），Pinterest 采用了新的方法，包括有效利用人工智能、更快的排名系統(tǒng)和內(nèi)容的本地化。

Pinterest 的數(shù)據(jù)科學工程師 Mohammad Shahangian 在舊金山總部的一次采訪中表示：我們已在社會的關(guān)注下走向國際化，視覺信號將會變得非常有價值。

深度學習

機器學習在 Pinterest 的 Feed 流、搜索和相關(guān)圖釘以及視覺搜索四個關(guān)鍵部分發(fā)揮作用。

視覺搜索系統(tǒng)依賴于稱為深度學習的熱門人工智能，在大量數(shù)據(jù)的基礎上訓練人工神經(jīng)網(wǎng)絡，然后通過神經(jīng)網(wǎng)絡來推斷新數(shù)據(jù)。舉例來講，你想了解某個東西，可以很輕松地在 Pinterest 上找到相關(guān)的圖片。蘋果、Facebook、谷歌和微軟等公司開始頻繁使用這種方法，可以在節(jié)省計算能力的同時獲取更多的數(shù)據(jù)。

Pinterest 在視覺搜索中使用這種技術(shù)的做法引人注目。用戶可以通過點擊每張圖片右上角的放大鏡來調(diào)整圖像上疊加的矩形框的大小和位置。然后軟件就可以找到與矩形中的的畫面相似的東西。

Pinterest 也開始用深度學習來優(yōu)化其應用程序的其他部分，例如鎖定相關(guān)的圖片。

對于剛剛固定在釘板的圖片，Pinterest 可能已經(jīng)對其有所了解，依據(jù)是其他收藏這張圖片的人釘板上的內(nèi)容。這就是所謂的 “co-occurrence”，是一個關(guān)于圖片相關(guān)性的強大信號。不過，如果用戶固定的圖片以及搭配的文字比較罕見，第一次接觸的話，Pinterest 可能無法識別，也就無法推薦相關(guān)圖片了。這也是深度學習的規(guī)律，Pinterest 根據(jù)圖片中的相似內(nèi)容來給出定義。

即使在很多人的認知中，圖像數(shù)據(jù)為王，然而深度學習并不是 Pinterest 推薦系統(tǒng)的主要驅(qū)動力。

Pinterest 的首席視覺搜索工程師 Dmitry Kislyuk 認為，內(nèi)容中隱藏著巨大的機會，尤其是我們不了解的那部分內(nèi)容。

排序系統(tǒng)

2015 年 5 月，Pinterest 推出了一個排序系統(tǒng)，根據(jù)對用戶參與度的預測來更改圖片順序。

工程師 Stephanie Rogers 表示，這項舉措帶來了 30％以上的轉(zhuǎn)發(fā)率。

今年 1 月份，Pinterest 做出了更深入的探索。該公司停止使用根據(jù)用戶的行為對內(nèi)容進行批量處理和排序的機器學習系統(tǒng)，這個排序過程可能需要一夜的時間來完成。新的實時排序只需要幾秒鐘，當用戶選擇了特定圖片時，系統(tǒng)可以快速調(diào)整相關(guān)圖片順序。相關(guān)圖片推薦是依據(jù)用戶最近的搜索和保存等操作來給出的。

Rogers 表示，假如你正在查找一位明星，然后你找到了那個明星穿著特殊服裝的圖片，相關(guān)的圖片推薦會出現(xiàn)那位明星，而不是那套衣服。把最近操作添加到推薦考量指標中，貼圖保存數(shù)量提高了 4％。