Такое сочетание методов позволяет ускорить работу нейронной сети и обрабатывать изображения, как только они были загружены - в 10 раз быстрее, чем при стандартном подходе. Пример использования технологии приведён на «Рисунок 2».
информационный социальный сеть
Рисунок 2. Пример использования технологии обрезки изображений
Для Reddit - центра интернет-новостей, изображений, историй, мемов и видео расширенный поиск является приоритетом. По этой причине социальная сеть внедряет лучшие технологии для предоставления высококачественного контента.
Стремясь сделать свой поиск релевантным, быстрым, и легко масштабируемым с ростом контента, Reddit внедряет платформу на основе искусственного интеллекта под названием «Fusion». Это помогает компании решить задачу индексации, объединяя данные из разных источников в единое представление. Reddit не только индексирует новые посты, но и обновляет их релевантность в реальном времени, основываясь на количестве комментариев и голосов. Внедрение этой технологии дало следующие результаты:
- количество индексированных постов увеличилось на 33%,
- период реиндексации всего сайта уменьшился с одиннадцати до пяти часов,
- уровень ошибок при поиске сократился вдвое, при этом 99% результатов поиска были обработаны менее чем за 500 мс,
- количество компьютеров, вовлечённых в поисковые операции, сократилось с двухсот до тридцати.
2.2 Проблемы, возможности и перспективы использования технологии Big Data в социальных сетях
Технология Big Data, несмотря на свою полезность в социальных сетях, имеет и ряд проблем. Также, в дополнение к имеющимся возможностям, она имеет потенциальные возможности и перспективы. Рассмотрим наиболее важные их них.
Главной проблемой использования больших данных в социальных сетях является приватность. Социальные сети собирают множество информации о своих пользователях, включая переписку, данные о расположении, фотографии, история активности. С использованием технологий анализа больших данных, из этой информации можно извлечь множество дополнительных сведений, распространение которых может быть нежелательно. В связи с этой проблемой социальные сети совершенствуют политику конфиденциальности. Facebook, в частности, не передаёт рекламодателям исходные данные о пользователях, а лишь результаты их анализа и обработки.
Ещё одной проблемой является технический аспект хранения и обработки больших данных. Имеющиеся продукты не являются в полной мере удовлетворяющими потребности компаний. Facebook, например, в работе с Big Data полагается в большей степени на одну технологию - Hadoop. Она представляет собой масштабируемую среду с открытым исходным кодом, которая использует большое количество серверов для работы. Анализ данных при помощи этой технологии начинается со считывания 300 петабайт данных - информация по конкретному запросу изымается из базы и помещается в специальную таблицу, обработкой которой занимается специальный отдел Facebook. Чтобы уменьшить временные и денежные затраты на анализ, компания занялась разработкой собственного гигантского хранилища данных, что позволит сократить расходы по многим параметрам.
Рассмотрим теперь потенциальные возможности использования больших данных в социальных сетях:
- Прогнозирование оттока пользователей. Предсказывание удаления профиля пользователями. Это поможет поддерживать отношения с пользователями с высоким уровнем риска;
- Прогноз ценности пользователей как покупателей. Предсказывание того, сколько денег потратит конкретный пользователь на ту или иную группу товаров. Анализируя их поведение, искусственный интеллект может определить их привычки и побудить их тратить деньги, показывая таргетированную рекламу;
- Анализ настроений постов и комментариев. Может описать отношение аудитории к конкретному продукту или бренду;
- Персонализация контента. Алгоритмы машинного обучения, определяющие предпочтения каждого пользователя, а затем рекомендующие соответствующий контент для них;
- Прогноз популярности контента. Популярность контента может быть связана со спросом на определённые товары, что можно использовать при подборе рекламы.
В целом потенциальные перспективы использования больших данных сводятся к одной цели - повышение эффективности рекламных предложений. Реализуется это либо напрямую, предложением наиболее востребованной рекламы, либо косвенно, повышением привлекательности использования социальной сети, что увеличивает количество просматриваемых рекламных предложений.
Заключение
По результатам проделанной работы можно сделать следующие выводы:
- имеющиеся трудности, с которыми сталкиваются разработчики и исследователи технологий больших данных, являются разнообразными и комплексными, однако их решение способно привести к значительным усовершенствованиям в этой области;
- c момента возникновения феномена больших данных его понимание претерпевало изменения, сам феномен вызвал широкомасштабные обсуждения как в научной среде, так и в бизнесе, а на настоящий момент он утратил свою новизну и является рядовым инструментом как учёных, так и коммерческих предприятий;
- информационные технологии оказали значительное влияние на человеческие коммуникации;
- применение больших данных в социальных сетях подчинено одной цели - повышению эффективности рекламы;
- практика применения больших данных в социальных сетях будет расширяться и изменяться.
Полученные результаты могут быть использованы для первичного ознакомления с феноменом больших данных в социальных сетях.
Список использованных источников