社交网站Facebook为了提高用户的参与度，大量依赖深度学习算法定制个性化产品以满足用户需求。

Facebook通过运用贴近用户的商业模式，为他们量身打造内容和广告。随着社交网络公司的发展，其强大的网络优势很大程度上依赖于深度学习模式。

Facebook的人工智能研究员Andrew Tulloch表示：“这些深度学习技巧在过去几年中非常重要。”

Tulloch在波士顿深度学习峰会的演讲中表示，传统的预测分析技术，如逻辑回归，曾经是位于加利福尼亚州Menlo Park市的最新技术。这种分析技术可以为新闻排名提供技术支持，用户会发现更多有趣的帖子，这是由算法决定的。

但Tulloch说，几年前越来越多的文章开始使用视频和图像，因此使用更简单的分析形式对其进行分类变得更加困难。 此外，随着大数据时代的到来，深度学习成为一个很好的用例。

Tulloch说：“大规模的数据量带来令人难以置信的挑战，但是这些类型的深度学习系统在提高排名方面真的很有影响力。”

除了解决数据规模问题，Tulloch还表示，深度学习可以帮助Facebook的新闻排名算法捕捉更多用户文章的细节。

用深度学习了解文字内容

并非所有内容都会涉及图像和视频。Facebook还使用自然语言处理算法来解释文本内容，并提高网站帖子的质量。

Tulloch表示，Facebook使用一个围绕神经网络构建的NLP系统来识别过度促销、垃圾邮件或“钓鱼”帖子。深度学习模型将这些类型的帖子过滤出来，并防止在用户新闻推送中显示。

Tulloch说：“Facebook每天都会上传大量的文字内容，了解这些文字内容对改善客户体验至关重要。”

除了新闻推送，深度学习的模式也在帮助Facebook开发产品，使开发人员能够大量了解内容。

计算机视觉的深度学习

计算机视觉神经网络深度学习模型用于解释用户发布的照片内容，并决定当天显示哪一张照片。Facebook这个功能显示了用户在过去几年中同一天发布的帖子，但Tulloch表示，在这个过程中应该避免可能出现的负面的回忆。

因此，深度学习功能的基础模型必须可以解释图像，并开发对所发生的事情的语义理解，以确保可以识别人们想要提醒的东西。深度学习通过识别图像中的人和对象并对其进行解释来做到这一点。

这些模型利用上传到Facebook上的超过十亿张的照片进行了训练，并且必须实时获得每天上传的数以百万计的新图像。Tulloch说，这是一个巨大的技术挑战，他的团队使用的卷积神经网络是非常适合的。

Tulloch表示，这一切都是为了提高Facebook用户的参与度，深入学习在这方面发挥了重要作用，填补了公司业务模式的关键需求。他补充说：“很多挑战来自于正确的时间显示正确的内容。”

更多关于Facebook利用大数据等技术提升网站运营状况的相关内容，请继续阅读：

• Facebook 300PB的数据仓库是如何炼成的？
• 从Facebook社交媒体情绪实验看大数据道德困境
• Facebook的数据挖掘，从谈情说爱开始