ഈ അടുത്തകാലത്ത് ചർച്ചയിൽ വന്ന ഒരു പദമാണ് '' കുത്തി പൊക്കൽ'' . പഴയ പോസ്റ്റുകളെയോ ചിത്രങ്ങളെയോ ലൈക്കുചെയ്തോ കമെന്റ് ചെയ്തോ വീണ്ടും സജീവമാകുന്ന പ്രവർത്തിയാണ് പൊതുവെ ഈ '' കുത്തി പൊക്കൽ'' എന്ന പദം കൊണ്ടുദ്ദേശിക്കുന്നത് . ഒരു തമാശയോ വിനോദമോ ഒക്കെ യാണ് ഈ കുത്തിപൊക്കൽ എങ്കിലും ഫേസ് ബുക്ക് പോലുള്ള സമൂഹമാധ്യമങ്ങളുടെ പ്രവർത്തന രീതിയും പ്രവർത്തന തത്വവും കുത്തിപ്പൊക്കലിന്റെ തത്വങ്ങൾ അപഗ്രധിച്ചാൽ മനസ്സിലാക്കാം .
.
കോടികണക്കിന് അംഗങ്ങളുള്ള സമൂഹ മാധ്യമങ്ങളിൽ ഓരോ അംഗവും പോസ്റ്റ് ചെയുന്ന പോസ്റ്റുകളും ചിത്രങ്ങളും മറ്റുള്ള എല്ലാ അംഗങ്ങളും കാണുക എന്നത് തികച്ചും സാധ്യമല്ല . അത്ര വിപുലമായ ഒരു വിവര വിനിമയം നിലനിർത്താനുളള ശേഷിയൊന്നും ഭൂമിയിലെ വിവര വിനിമയ സംവിധാനങ്ങൾക്കില്ല . അപ്പോൾ ചെയ്യാവുന്നത് ഒരാൾ പോസ്റ്റ് ചെയുന്ന പോസ്റ്റുകളും ചിത്രങ്ങളും ( സാങ്കേതികമായി -
Objects - വസ്തുകകൾ ) കാണുന്നവരുടെ എണ്ണം പരിമിതപ്പെടുത്തുകയാണ് . ചുരുക്കിപ്പറഞ്ഞാൽ ഒരാൾ പോസ്റ്റ് ചെയുന്ന പോസ്റ്റുകൾ കാണുന്നവരുടെ എണ്ണം കുറക്കണം . അല്ലെങ്കിൽ ഫേസ് ബുക്കിനോ അതുപോലുള്ള സംവിധാനങ്ങൾക്കോ നിലനിൽപ്പില്ല .
ഇങ്ങിനെ പരിമിതമായ വിഭവങ്ങൾകൊണ്ട് കൂടുതൽ പേർക്ക് സേവനങ്ങൾ നൽകുമ്പോൾ പല സൂത്രങ്ങളും ഉപയോഗിക്കേണ്ടി വരും .അത്തരം ഒരു സൂത്രമാണ് എഡ്ജ് റാങ്ക് അൽഗോരിതം . ഒരാൾ പോസ്റ്റ് ചെയുന്ന ''ഒബ്ജക്റ്റ്'' ആരുടെയൊക്കെ ടൈംലൈനിൽ പ്രത്യക്ഷപ്പെടും എന്ന് തീരുമാനിക്കു നത് ഈ സംവിധാനമാണ് . ഫേസ് ബുക്ക് 2012 നു ശേഷം ഈ അൽഗോരിതം ഉപയോഗിക്കുന്നില്ല എന്നവകാശപ്പെടുന്നുണ്ടെങ്കിലും അവരുടെ ഉപയോഗത്തിലുളള കൃത്രിമ ബുദ്ധിയിൽ ( Artificial Intelligence )അധിഷ്ഠിതമായ സംവിധാനവും എഡ്ജ് റാങ്ക് അൽഗോരിതത്തെ അടിസ്ഥാനമാക്കിയുളളതാണെന്ന് വളരെ എളുപ്പം അനുമാനിക്കാം .
.
ഒരു പോസ്റ്റ് ( ഒബ്ജക്റ്റ് ) ആരുടെയൊക്കെ ടൈംലൈനിൽ പ്രത്യക്ഷപ്പെടുമെ ന്നു നിശ്ചയിക്കുന്ന എഡ്ജ് റാങ്ക് അൽഗോരിതം വളരെ ഋജുവായ ഒരു തത്വത്തിലാണ് പ്രവർത്തിക്കുന്നത് .
.
ഒരു പോസ്റ്റ് ( ഒബ്ജക്റ്റ് ) ആരുടെയൊക്കെ ടൈംലൈനിൽ പ്രത്യക്ഷപ്പെടുമെ ന്നു നിശ്ചയിക്കുന്ന എഡ്ജ് റാങ്ക് അൽഗോരിതം വളരെ ഋജുവായ ഒരു തത്വത്തിലാണ് പ്രവർത്തിക്കുന്നത് .
Ue+ We+ De =Ke
എന്നതാണ് എഡ്ജ് റാങ്ക് അൽഗോരിതത്തിന്റെ ഏകദേശ രൂപം . ഇതിൽ Ue എന്നത് യൂസർ അഫിനിറ്റി ( User Affinity)എന്ന ഘടകമാണ് . We എന്നത് കണ്ടെന്റ് വെയ്റ്റ് (Content Weight) എന്ന ഘടകമാണ് . De ഡീക്കെ പരാമീറ്റർ(Decay Parameter) ആണ്. ഒരു ഒബ്ജെക്ട് ( പോസ്റ്റ് ) പോസ്റ്റ് ചെയ്തതിനു ശേഷം സമയം കഴിയും തോറും ഡീകെ പരാമീറ്റർ ഇന്റെ മൂല്യം കുറഞ്ഞു കൊണ്ടിരിക്കുന്നതും . ആദ്യത്തെ ഘടകമായ യൂസർ അഫിനിറ്റി എന്നത് രണ്ട് വ്യക്തികൾ തമ്മിലുള്ള ബന്ധത്തെ അനുസരിച്ചിരിക്കും . ക്ളോസ് ഫ്രണ്ട് ആണെങ്കിൽ യൂസർ അഫിനിറ്റി ( User Affinity)പരമാവധി ആയിരിക്കും , അക്വേയന്റൻസിനു അഫിനിറ്റി കുറവായിരിക്കും . ഫ്രണ്ട് അല്ലത്തവർ തമ്മിലുള്ള യൂസർ അഫിനിറ്റി പൂജ്യത്തിനടുത്തായിരിക്കും . പക്ഷെ ഒരാൾ ഫ്രണ്ട് അല്ലാത്ത യാളുടെ പ്രൊഫൈൽ സ്ഥിരമായി സന്ദർശിച്ചാലോ ഫോളോ ചെയ്താലോ , ഒരാളുടെ പോസ്റ്റുകൾ സ്ഥിരമായി ലൈക് ചെയ്താലോ അവർ തമ്മിലുള്ള യൂസർ അഫിനിറ്റി വർധിക്കും . അങ്ങനെയായാൽ അവരുടെ പോസ്റ്റുകൾ മറ്റേയാളുടെ ടൈംലൈനിൽ എത്തിപ്പെടാനുളള സാധ്യത വർധിക്കും . രണ്ടാമത്തെ ഫാക്റ്റർ കണ്ടെന്റ് വെയ്റ്റ് ആണ് . ചിത്രങ്ങൾക്കാണെന്നു തോന്നുന്നു ഫേസ് ബുക്ക് പോലുള്ള മാദ്ധ്യമങ്ങൾ കൂടുതൽ വെയ്റ്റ് നല്കിയിട്ടുളളത് . ലേഖനങ്ങൾക്കും കൂടിയ വെയ്റ്റ് ആണ് . പക്ഷെ മറ്റെവിടെനിന്നെങ്കിലും ഷെയർ ചെയുന്ന ഒബ്ജക്റ്റ് കൾക്ക് കണ്ടെന്റ് വെയ്റ്റ് (Content Weight)കുറവാണ് .
ചുരുക്കത്തിൽ ഓരോ ഒബ്ജെക്ടിനും ( പോസ്റ്റിനും ) ഒരു സോപാധികമായ Ke ഉണ്ട് . ഈ Ke ഒരു പരിധിക്ക് മുകളിലാണെങ്കിൽ മാത്രമേ ഒരാളുടെ പോസ്റ്റ് മറ്റൊരാളുടെ ടൈംലൈനിൽ പ്രത്യക്ഷപ്പെടുകയുളൂ . ഈ പരിധി യുടെ മൂല്യം ''കമ്പനി '' തീരുമാനിക്കും . കൈകാര്യം ചെയുന്ന ഡാറ്റ വിനിമയ നിരക്കിനനുസരിച് Ke യെ നിയന്ത്രിക്കാനും സാധിക്കും Ke യുടെ മൂല്യ പരിധി കൂട്ടിയാൽ പോസ്റ്റ് ചെയ്യപ്പെടുന്ന ഒബ്ജക്റ്റുകൾ ടൈംലൈനിൽ എത്തുന്നയാളുകളുടെ എണ്ണം കാര്യമായി കുറക്കാം .സമയം കടന്നുപോകുംതോറും Ke യുടെ മൂല്യം കുറഞ്ഞു വരും . പിന്നെ പോസ്റ്റ് ആരുടേയും ടൈംലൈനിൽ വരാതെയുമാകും .
.
ഒരാൾ സ്വന്തം പോസ്റ്റിലോ മറ്റൊരാളുടെ പോസ്റ്റിലോ ഒരു പുതിയ കമെന്റ് ഇട്ടാൽ മേല്പറഞ്ഞ ഘടകങ്ങളിലെല്ലാം ഒരു വർധന സംഭവിക്കും . ഡികെ പരാമീറ്റർ താൽക്കാലികമായി വർധിക്കും ,Ke യുടെ മൂല്യം പരിധിക്കു മുകളിൽ ഉയർന്നാൽ പോസ്റ്റ് വീണ്ടും അടുത്ത സുഹൃത്തുക്കളുടെ ടൈംലൈനിൽ പ്രത്യക്ഷപ്പെടും . ഏതാനും പേരുടെ ലൈകും കമെന്റും കൂടിവന്നാൽ കുറെ സമയം കൂടി പോസ്റ്റ് തെരെഞ്ഞെടുക്കപ്പെട്ട ചില ടൈംലൈനുകളിൽ പ്രത്യക്ഷപ്പെടും .പുതിയ പോസ്റ്റുകൾക്ക് മുൻഗണന യുളളതിനാൽ ഏതാനും മണിക്കൂറുകൾക്കോ ദിവസങ്ങൾക്കോ ശേഷം പോസ്റ്റ് പ്രൊഫൈലിൽ ഗാഢ നിദ്രയിൽ ലയിക്കും .
.
എങ്ങിനെയൊക്കെ കുത്തിപൊക്കിയാലും ഒരു പോസ്റ്റ് വളരെ പരിമിതമായ ഒരു വൃന്ദത്തിലേക്കേ പ്രസരണം ചെയ്യപ്പെടുകയുളൂ . ഫ്രണ്ട് ലിസ്റ്റിൽ ഉളളതിൽ തന്നെ ഒരു ശതമാനത്തിനും ഇരുപതു ശതമാനത്തിനും ഇടക്കുളളവരിലേക്കെ ഒറിജിനലും , കുത്തിപൊക്കിയതും ഒക്കെ എത്തൂ എന്നാണ് ലഭ്യമായ സ്ഥിതിവിവരക്കണക്കുകളിൽ നിന്നും അനുമാനിക്കാനാവുക . കമ്പനി രഹസ്യങ്ങൾ ഒരിക്കലും പരസ്യമാക്കാത്തതിനാൽ അനുമാനങ്ങൾക്ക് മാത്രമേ പ്രസക്തിയും ഉളൂ .
--
ref
1.https://metricool.com/what-is-facebook-edgerank-or-how-fac…/
2.https://econsultancy.com/…/7885-the-ultimate-guide-to-the-f…
3.https://getstream.io/…/beyond-edgerank-personalized-news-f…/
4.http://syndacast.com/the-social-media-algorithm/
5.
https://marketingland.com/edgerank-is-dead-facebooks-news-f…
---
This post is based on the information obtained from cited references-rishidas s
--
ചിത്രം കടപ്പാട് :http://syndacast.com/the-social-media-algorithm/
.
ഒരാൾ സ്വന്തം പോസ്റ്റിലോ മറ്റൊരാളുടെ പോസ്റ്റിലോ ഒരു പുതിയ കമെന്റ് ഇട്ടാൽ മേല്പറഞ്ഞ ഘടകങ്ങളിലെല്ലാം ഒരു വർധന സംഭവിക്കും . ഡികെ പരാമീറ്റർ താൽക്കാലികമായി വർധിക്കും ,Ke യുടെ മൂല്യം പരിധിക്കു മുകളിൽ ഉയർന്നാൽ പോസ്റ്റ് വീണ്ടും അടുത്ത സുഹൃത്തുക്കളുടെ ടൈംലൈനിൽ പ്രത്യക്ഷപ്പെടും . ഏതാനും പേരുടെ ലൈകും കമെന്റും കൂടിവന്നാൽ കുറെ സമയം കൂടി പോസ്റ്റ് തെരെഞ്ഞെടുക്കപ്പെട്ട ചില ടൈംലൈനുകളിൽ പ്രത്യക്ഷപ്പെടും .പുതിയ പോസ്റ്റുകൾക്ക് മുൻഗണന യുളളതിനാൽ ഏതാനും മണിക്കൂറുകൾക്കോ ദിവസങ്ങൾക്കോ ശേഷം പോസ്റ്റ് പ്രൊഫൈലിൽ ഗാഢ നിദ്രയിൽ ലയിക്കും .
.
എങ്ങിനെയൊക്കെ കുത്തിപൊക്കിയാലും ഒരു പോസ്റ്റ് വളരെ പരിമിതമായ ഒരു വൃന്ദത്തിലേക്കേ പ്രസരണം ചെയ്യപ്പെടുകയുളൂ . ഫ്രണ്ട് ലിസ്റ്റിൽ ഉളളതിൽ തന്നെ ഒരു ശതമാനത്തിനും ഇരുപതു ശതമാനത്തിനും ഇടക്കുളളവരിലേക്കെ ഒറിജിനലും , കുത്തിപൊക്കിയതും ഒക്കെ എത്തൂ എന്നാണ് ലഭ്യമായ സ്ഥിതിവിവരക്കണക്കുകളിൽ നിന്നും അനുമാനിക്കാനാവുക . കമ്പനി രഹസ്യങ്ങൾ ഒരിക്കലും പരസ്യമാക്കാത്തതിനാൽ അനുമാനങ്ങൾക്ക് മാത്രമേ പ്രസക്തിയും ഉളൂ .
--
ref
1.https://metricool.com/what-is-facebook-edgerank-or-how-fac…/
2.https://econsultancy.com/…/7885-the-ultimate-guide-to-the-f…
3.https://getstream.io/…/beyond-edgerank-personalized-news-f…/
4.http://syndacast.com/the-social-media-algorithm/
5.
https://marketingland.com/edgerank-is-dead-facebooks-news-f…
---
This post is based on the information obtained from cited references-rishidas s
--
ചിത്രം കടപ്പാട് :http://syndacast.com/the-social-media-algorithm/