Twitter Recommendation Algorithm推特推荐算法源码-技术圈

推特推荐算法的源代码。推特推荐算法是一组服务和作业，负责构建和服务主页时间线。有关算法工作原理的介绍，可参阅博客。

开源库中包含的推荐算法的主要组件有：

类型	成分	描述
特性	模拟集群	社区检测和稀疏嵌入这些社区。
	双核	用户和推文的密集知识图嵌入。
	信任和安全模型	用于检测 NSFW 或滥用内容的模型。
	real-graph	预测 Twitter 用户与其他用户互动的可能性的模型。
	tweepcred	用于计算 Twitter 用户信誉的 Page-Rank 算法。
	recos-injector	流式事件处理器，用于为基于GraphJet的服务构建输入流。
	图特征服务	为一对定向用户提供图形特征（例如，有多少用户 A 的关注点赞了用户 B 的推文）。
候选来源	搜索索引	查找网络内推文并对其进行排名。约 50% 的推文来自此候选来源。
	cr-mixer	用于从底层计算服务中获取网络外推文候选者的协调层。
	用户推文实体图(UTEG)	在内存中维护一个用户到推文的交互图，并根据该图的遍历找到候选者。这是建立在GraphJet框架之上的。其他几个基于 GraphJet 的特性和候选源位于此处
	遵循推荐服务(FRS)	为用户提供要关注的帐户的建议，以及来自这些帐户的推文。
排行	light-ranker	搜索索引 (Earlybird) 使用的轻量级模型对推文进行排名。
	heavy-ranker	用于对候选推文进行排名的神经网络。用于选择时间轴推文的主要信号之一。
推文混合和过滤	home-mixer	用于构建和服务主页时间线的主要服务。建立在产品混合器上
	可见性过滤器	负责过滤 Twitter 内容以支持法律合规性、提高产品质量、增加用户信任度、通过使用硬过滤、可见产品处理和粗粒度降级来保护收入。
	时间线排序器	旧版服务，它提供来自 Earlybird 搜索索引和 UTEG 服务的相关性评分推文。
软件架构	navi	用 Rust 编写的高性能机器学习模型服务。
	product-mixer	用于构建内容提要的软件框架。
	twml	基于 TensorFlow v1 构建的旧版机器学习框架。

包括大多数组件的 Bazel BUILD 文件，但不包括顶级 BUILD 或 WORKSPACE 文件。