Meta社は、Instagramにおいて新しい機械学習フレームワークを導入した。このフレームワークは多様性アルゴリズムを適用し、繰り返し表示されるコンテンツを減らしながらユーザーエンゲージメントを維持できるものだ。この多様性を意識したランキングシステムは、同じコンテンツ作成者や製品タイプへの過剰な露出を軽減するために、既存のエンゲージメントモデルに乗算ペナルティを導入している。
このフレームワークは主に2つの課題に取り組んでいる。同じコンテンツ作成者からの過剰なメッセージと、ストーリーのような単一の製品面に偏りすぎてフィードやリールコンテンツを軽視する問題だ。これまでInstagramの機械学習モデルは主にクリック率やエンゲージメント指標を最適化していたため、ユーザーにスパムのように感じられる繰り返しメッセージが送られ、通知を無効化する事態を招いていた。
Instagramのエンジニアは述べた。
本当の課題は、通知エクスペリエンスに意味のある多様性を導入しながら、Instagramのパーソナライズと関連性を犠牲にせず、適切なバランスを見つけることです。
新しいシステムは既存のエンゲージメントモデルの上に多様性レイヤーとして機能する。通知候補は、コンテンツタイプ、作成者のアイデンティティ、通知カテゴリ、製品面など複数の次元で評価される。最近の通知と類似性が高いと判断された候補には、調整された乗算ペナルティが適用され、関連性スコアが低下する。降格乗数は0から1の範囲で基本スコアを調整し、冗長な通知の順位を下げる。エンジニアは各次元の重みを設定して、関連性と多様性のバランスを微調整でき、異なるチームが製品ニーズに合わせてフレームワークを適応させる柔軟性を持つ。
/filters:no_upscale()/news/2025/09/instagram-notification-ranking/en/resources/1meta_ranking_framework-1758738593250.jpeg)
Instagramの多様性を意識したランキングフレームワーク(出典：Meta社のエンジニアリングブログ投稿)
数学的実装では、基本的な関連性スコアに0から1の範囲の多様性降格係数を乗じる。各セマンティック次元について、システムは通知候補と過去の通知間の類似性シグナルを最大限の限界関連性アプローチを使用して計算する。バイナリ類似性指標は、各次元で候補が事前定義された閾値を超えるかどうかを判断する。
Instagramのエンジニアは、このフレームワークが日々の通知量を大幅に削減しながらクリック率を向上させたと報告している。このシステムは、異なる次元にわたるカスタマイズされたペナルティロジックを組み込む拡張性と、設定可能な重みを通じて降格強度を調整する柔軟性を提供する。このアプローチは、パーソナライゼーションと多様性のバランスをとることで、通知が関連性を維持しながら多様性を導入することを目指している。
Instagramチームによると、将来的な方向性として、通知のタイミングや頻度などのコンテキストに応じてペナルティ強度を適応させる動的降格戦略の探求が含まれる。また、エンジニアリングチームによれば、大規模言語モデルがセマンティック類似性を測定し、通知の多様性を向上させる方法を調査する計画がある。
InstagramとMeta社のエンジニアが述べたように、同社のアプローチは、パーソナライズと多様性を管理するためにランキングシステムを適応させる機械学習アプリケーションの広範なトレンドを反映している。同様の技術は、レコメンデーションシステム、検索エンジン、ランキングプラットフォームに適用され、冗長性を減らしながら関連性を維持できる。