RANKING USER ACTIVITIES ON ZING ME R&D Group VNG Corporation Presented by Dr. Nguyen Quoc Minh Prepared by Pham Dinh Quoc Hung
Feed Ranking in Zing Me
Jun 09, 2015
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
RANKING USER ACTIVITIES ON ZING ME
R&D Group VNG Corporation
Presented by Dr. Nguyen Quoc MinhPrepared by Pham Dinh Quoc Hung
Nội dung
Edge Rank
Introduction
Parameter Estimate
1
3
2
Conclusion4
2
What is a social activity?
Why Ranking Activities?
Observed Information
User’s self activity–Update status
–Write blogs
–Upload photos
User’s interaction–Comment, Like feed
–Post wall/Poke
–Tag friends
Edge Rank Idea
A USERA USER
edge
edge
edge
Feed ItemFeed Item
Approach
■ u: affinity
■ w: weight of action
■ d: time decay
■ k: attention decay
Exponential Function
Exponential Function
How to determine??
How to determine??
Parameter Estimation
Theo số liệu của Google,Zing hiện là website đứng đầu Việt Nam về lượng người dùng lẫn lượt xem.
Key Fact:Không dừng lại!
Zing vẫn đang tiếp tục tăng trưởng từng ngày.
Affinity– User Interaction
●Comment, Like feed
●Post wall/Poke
●Tag friends
Weight of Action– Comment
– Like
– Tag
8
User Interaction
Theo số liệu của Google,Zing hiện là website đứng đầu Việt Nam về lượng người dùng lẫn lượt xem.
Key Fact:Không dừng lại!
Zing vẫn đang tiếp tục tăng trưởng từng ngày.
Via ActionVia Action
9
Action Score
Theo số liệu của Google,Zing hiện là website đứng đầu Việt Nam về lượng người dùng lẫn lượt xem.
Key Fact:Không dừng lại!
Zing vẫn đang tiếp tục tăng trưởng từng ngày.
δ: directness factorτ: strength valuef: function of time elapsed
10
User Interaction-Affinity
■ f: user’s action frequency
Score
s
Scores
Scores
Weight of Action
■ Feed Rank– Rank feed for each user in order of relevance and time– Estimate weight of action
●Feed Label: base on user’s actions, high importance assigned to feed with more user’s comments.
■ Machine learning to optimize weights– Rank feeds based on feeds’ features ( comments,
likes, ...)– Estimate weights based on feeds’ label.
●Feed Label: Highly relevant, relevant, ...
Experiments
Theo số liệu của Google,Zing hiện là website đứng đầu Việt Nam về lượng người dùng lẫn lượt xem.
Key Fact:Không dừng lại!
Zing vẫn đang tiếp tục tăng trưởng từng ngày.
Data collected to train a machine learning model– Train
●~4000 users
●~5000000 feeds
●From 01/08/2010 to 01/12/2010
– Validation:
●~3000 users
●~1000000 feeds
●From 01/01/2011 to 01/02/2011
13
Conclusion
Theo số liệu của Google,Zing hiện là website đứng đầu Việt Nam về lượng người dùng lẫn lượt xem.
Key Fact:Không dừng lại!
Zing vẫn đang tiếp tục tăng trưởng từng ngày.
Affinity of users is the most important part of the model
Temporal dynamics of user’s attention
Future features:– User’s Rank (ZingRank)
●Incorperate user rank to model
– Personalized parameters for each user
14
Deployment
Theo số liệu của Google,Zing hiện là website đứng đầu Việt Nam về lượng người dùng lẫn lượt xem.
Key Fact:Không dừng lại!
Zing vẫn đang tiếp tục tăng trưởng từng ngày.
Serve more than 7m Zingme usersReal-time ranking feeds for userPeak time: > 100 actions/sAverage: ~30 actions/s
15
THANK YOU!
Related Documents
