섹션별 상세
사용자 간 친밀도 모델(User-User Closeness Models)은 설문 기반 모델과 상호작용 기반 모델을 병행 운영한다. 설문 기반 모델은 실제 오프라인 친밀도를 예측하기 위해 수조 개의 연결을 매주 추론하며, 상호작용 모델은 좋아요, 댓글 등 실시간 데이터를 통해 플랫폼 내 맥락적 친밀도를 파악한다.
일반적인 추천 모델은 소셜 맥락이 부족하여 친구 관련 콘텐츠를 과소평가하는 경향이 있으나, 이를 해결하기 위해 Meta는 다중 작업 학습(MTML) 모델에 친구 버블 상호작용 신호를 피처로 통합했다. 관계 강도와 영상 참여도를 동시에 학습하는 새로운 태스크를 추가하여 고품질 친구 콘텐츠가 랭킹 상단에 노출되도록 조정했다.
Reels는 성능에 민감한 환경이므로 친구 버블 메타데이터를 영상의 프리페치(Prefetch) 단계에 통합했다. 이를 통해 스크롤 지연이나 로딩 시간 저하 없이 UI를 렌더링하며, 저사양 기기에서는 애니메이션을 비활성화하여 CPU 부하를 최소화하고 매끄러운 사용자 경험을 유지한다.
랭킹 공식에 P(video engagement | bubble impression)라는 조건부 확률 항을 도입하여 버블이 노출되었을 때의 참여 가능성을 예측한다. 이는 단순 시청 시간뿐만 아니라 소셜 상호작용과 콘텐츠 품질 사이의 균형을 맞추는 가중치 조절을 통해 최적화되며, 실제 사용자 설문에서 버블이 포함된 영상이 더 높은 관심 점수를 받았다.
기술
- MTML Model
- Facebook Reels
- User-User Closeness Model
활용 사례
- 소셜 추천 시스템
- 비디오 스트리밍 플랫폼
- 사용자 참여 최적화
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 19.수집 2026. 03. 19.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
