你是如何被微信广告选中的？微信广告引擎与社交传播算法实践(5)

前面我们已经知道了两个好友对自己的影响，那么多个好友又是如何互相影响呢?这里我们就引入了传播力模型来对这个问题建模求解。

传统的影响力模型有许多种，这里我列了最为常见的独立级联模型。它的原理是这样的，一个用户每个好友都对自己有一个影响力，这个影响力可以用前面我们提到的方法计算出来。初始时刻，已经有一些人是被激活的，这些人就是种子用户，具体的选择我后面会说到。然后，一个用户的每个已经被激活的好友，根据他们之前的影响力去计算一个激活概率，轮流去激活该用户。这样子迭代下去直到每轮没有新激活用户位置。

传统独立级联模型直接应用会存在图中说的一些问题，所以改为上图中下面的形式(示意)，但这样直接做还会存在工程上的问题。主要在于广告系统的时延要求是十分低的，假如用户有 5000 个好友，分布在几百台存储机器上，要在 20ms 内读完，这几乎是不可能完成的事情。

那么这种读扩散的方式不行，我们就换一个思考，采用写扩散的方式。当用户的一个点赞评论数据接收到之后，我们放入消息队列之后，然后社交扩散模块取出，根据关系链，权威度，传播力在内存中计算他对每个好友的影响，然后再告知所有好友这个信息。但是，假如是一一告知，5000 个好友就要 5000 次网络调用，这个开销也是接受不了的。所以，我们会根据路由规则和机器列表，将属于一台机器的用户合并起来写入，最小化网络调用。

完成这些之后，当一个用户来拉取广告时候，只需要一次网络调用，就可以拿到好友对他的影响力了。

注：目前为了引入更多的特征做实时推荐，我们已经将上面架构改为基于图形数据库的形式，架构上更加复杂和巧妙，之后会有文章专门再介绍。

社交传播节奏控制

（编辑：ASP站长网）