Facebook 宣佈在本星期開始，將會利用機械學習的系統，辨識「呃Like」帖文，並會將該帖文的顯示優先順位降低。一些主動要求別人標籤朋友、分享、留言、讚好、心情投票，從而達到在 FB News Feed 系統中得到好處的帖文，都是這次全新「呃Like」辨識系統的對象之一。
Facebook 指出，如果帖文目標是希望別人幫助、希望別人提供意見、提議，或籌款予公益事業，將不會成為降級的對象。
他們利用了機械學習的模組，將一些「呃 Like」帖文進行分類。如果帖文屬於以下分類，其顯示優先次序將會下降。另指如一個專頁重覆發放「呃Like」帖文，其顯示的優先程度會進一步降低。
「呃Like」帖文5大類
1. Vote baiting 要求別人在帖文上以發表「哈哈」、「嘩」、「勁正」、「慘慘」等以進行類似投票的活動（Facebook另外設有投票功能）
2. React baiting 要求別人在帖文上讚好
3. Share baiting 要求別人分享帖文
4. Tag baiting 要求別人標籤另一位用戶
5. Comment baiting 要求別人留言
Facebook 新聞發佈原文：https://newsroom.fb.com/news/2017/12/news-feed-fyi-fighting-engagement-bait-on-facebook/
資料來源：The Verge, Facebook
分享到 :
最新影片
