Pinterest详细介绍了支持趋势的AI和分类系统

 
去年12月，Pinterest宣布推出Pinterest趋势，该功能可以揭示过去一年中最受欢迎的搜索关键字。与Google趋势和Bing的关键字研究工具一样，趋势通过使用算法数据按数量排序来突出显示在过去12个月中达到顶峰的术语。
趋势本周在全球范围内以Beta形式发布，Pinterest秉承透明的精神，详细说明了趋势学基础的分类系统如何在由社交网络超过3.2亿用户创建的40亿个董事会中勾勒出超过2000亿个想法。 “由于人们来Pinterest计划，我们对新兴趋势有着独特的见识，” Content Knowledge团队的软件工程师Song Cui和Dhananjay Shrouty写道。 “我们能够收集到这些见解，因为Pinterest从根本上来说是一种不同的平台，来自世界各地的人们来保存想法和计划。”
分类
根据Cui和Shrouty的说法，Pinterest利用分类知识管理系统来实现内容级别的理解。它对每个实体进行分类并定义它们之间的关系，以提高在搜索和分类任务所涉及的平台上AI模型的准确性。
该分类法支持20个国家/地区的17种语言，并且还会陆续增加。该分类法在整个平台中组织了热门话题，并为广告和正在进行的广告活动设计了兴趣和节点(Pins)。兴趣以分层的父子树结构分组在一起，其中每个孩子都是其单亲子的子类，并且顶级分类法节点定义了广泛的垂直领域，例如“妇女的时尚”和“ DIY和手工艺品”，它们捕获了与大头针相关的一般兴趣。 (最多11个级别的子节点捕获了更详细的主题。)
Pinterest广告管理器界面
 

 
Cui和Shrouty解释说：“ Pinterest分类法旨在从Pinterest内容中捕获最重要，最及时的主题。” “我们的分类法涵盖了各种产品(例如主题供稿和购物)中使用的活跃主题……这些术语是从引脚，板名和热门搜索查询中使用的流行注释中提取的。”
在这方面，该系统建立在Pinterest与PinSage的现有合作基础上，PinSage是一个图形卷积网络，包含30亿个节点和180亿条边，可以了解Web规模图中附近Pins的信息。 Pinterest于2018年2月开始使用PinSage进行广告推荐，并于6月开始更广泛地用于购物推荐之类的东西，当时它声称它使Shop the Look的展示次数增加了25%(此功能使Pinterest用户可以购买衣服与传统的随机图采样方法相比，性能提高了46%。
分类内容
如果没有一种将Pins映射到所述分类法的机制，则分类法不会有太大用处。这就是内容工程团队构建Pin2Interest(P2I)的原因，Pin2Interest(P2I)是一种内容分类系统，可吸收嵌入内容，文本和视觉输入以及面板名称，以为其他AI模型创建个性化的建议和排名功能。目前，它已在生产中用于对用户家庭供稿上的Pins进行排名并用于广告定位。
P2I模型预测

 
P2I利用自然语言处理技术，例如词法扩展(创建新的词法单元和模式)并嵌入相似性，以将图像输入映射到节点列表作为预测候选。然后，它采用搜索相关模型来预测和排序上述图像和节点之间的匹配分数。 Pinterest表示，超过99%的图像可以映射到至少一个节点。
Cui和Shrouty注意，分类层次结构信息也用作P2I排名信息。与分类法配合使用时，它可以监视每个节点的图像数量，并由此扩展整个Pinterest的主题趋势。他们写道：“分类的粒度和质量对于P2I准确性至关重要。” “如果图像的内容属于一个非常特定的主题，并且分类法没有覆盖该主题的相似节点，则P2I会将此图像映射到具有不同上下文的节点，并且预测准确性下降。”
Pinterest详细介绍了支持趋势的AI和分类系统
去年12月，Pinterest宣布推出Pinterest趋势，该功能可以揭示过去一年中最受欢迎的搜索关键字。与Google趋势和Bing的关键字研究工具一样，趋势通过使用算法数据按数量排序来突出显示在过去12个月中达到顶峰的术语。
趋势本周在全球范围内以Beta形式发布，Pinterest秉承透明的精神，详细说明了趋势学基础的分类系统如何在由社交网络超过3.2亿用户创建的40亿个董事会中勾勒出超过2000亿个想法。 “由于人们来Pinterest计划，我们对新兴趋势有着独特的见识，” Content Knowledge团队的软件工程师Song Cui和Dhananjay Shrouty写道。 “我们能够收集到这些见解，因为Pinterest从根本上来说是一种不同的平台，来自世界各地的人们来保存想法和计划。”
分类
根据Cui和Shrouty的说法，Pinterest利用分类知识管理系统来实现内容级别的理解。它对每个实体进行分类并定义它们之间的关系，以提高在搜索和分类任务所涉及的平台上AI模型的准确性。
该分类法支持20个国家/地区的17种语言，并且还会陆续增加。该分类法在整个平台中组织了热门话题，并为广告和正在进行的广告活动设计了兴趣和节点(Pins)。兴趣以分层的父子树结构分组在一起，其中每个孩子都是其单亲子的子类，并且顶级分类法节点定义了广泛的垂直领域，例如“妇女的时尚”和“ DIY和手工艺品”，它们捕获了与大头针相关的一般兴趣。 (最多11个级别的子节点捕获了更详细的主题。)
Pinterest广告管理器界面

 
Cui和Shrouty解释说：“ Pinterest分类法旨在从Pinterest内容中捕获最重要，最及时的主题。” “我们的分类法涵盖了各种产品(例如主题供稿和购物)中使用的活跃主题……这些术语是从引脚，板名和热门搜索查询中使用的流行注释中提取的。”
在这方面，该系统建立在Pinterest与PinSage的现有合作基础上，PinSage是一个图形卷积网络，包含30亿个节点和180亿条边，可以了解Web规模图中附近Pins的信息。 Pinterest于2018年2月开始使用PinSage进行广告推荐，并于6月开始更广泛地用于购物推荐之类的东西，当时它声称它使Shop the Look的展示次数增加了25%(此功能使Pinterest用户可以购买衣服与传统的随机图采样方法相比，性能提高了46%。
分类内容
如果没有一种将Pins映射到所述分类法的机制，则分类法不会有太大用处。这就是内容工程团队构建Pin2Interest(P2I)的原因，Pin2Interest(P2I)是一种内容分类系统，可吸收嵌入内容，文本和视觉输入以及面板名称，以为其他AI模型创建个性化的建议和排名功能。目前，它已在生产中用于对用户家庭供稿上的Pins进行排名并用于广告定位。
P2I模型预测

 
P2I利用自然语言处理技术，例如词法扩展(创建新的词法单元和模式)并嵌入相似性，以将图像输入映射到节点列表作为预测候选。然后，它采用搜索相关模型来预测和排序上述图像和节点之间的匹配分数。 Pinterest表示，超过99%的图像可以映射到至少一个节点。
Cui和Shrouty注意，分类层次结构信息也用作P2I排名信息。与分类法配合使用时，它可以监视每个节点的图像数量，并由此扩展整个Pinterest的主题趋势。他们写道：“分类的粒度和质量对于P2I准确性至关重要。” “如果图像的内容属于一个非常特定的主题，并且分类法没有覆盖该主题的相似节点，则P2I会将此图像映射到具有不同上下文的节点，并且预测准确性下降。”