每次打开 Facebook 帐户时，您首先看到的就是新闻源。您朋友的所有喜欢、评论、标签、状态更新、分享以及更多此类内容。
有没有想过如何以有趣的方式获取这些提要，而不是像任何随机顺序？
答案是 Facebook 采用了一种机器学习算法，该算法会考虑某些参数来查找您与撰写该帖子的人之间的关系。在使用机器学习算法之前，Facebook 使用 EdgeRank 算法对要在您的提要页面上显示的更新进行排名。该算法不仅对提要进行排名，还对其进行排序，以选择哪些提要应在最开始显示在提要上，哪些应在最后显示。
在向您提供提要之前，EdgeRank 算法会处理某些成分。它们是Affinity Score、Edge Weight 和 Time Decay 。
亲和力得分：这意味着发布帖子的人与您的关系如何。例如，如果您与该人是最好的朋友，并且您喜欢、评论和分享他们的每个帖子，那么您与他们的亲和度得分就很高。因此，该算法推断出您可能想查看朋友的帖子。
为了计算亲和力分数，考虑以下因素：
1.动作的强度——分享、喜欢、标记、评论等中的每个动作都有一个与之相关的权重。因此，您对该帖子所做的努力越多，您的亲和力得分就越高。仅当您与它互动时才会考虑亲和力分数。因此，仅阅读帖子而不点击或分享是不重要的。因此，如果您的兄弟发布有关他的订婚、结婚、毕业等信息，那么他的帖子的亲和力得分会比其他帖子高一些。
2.采取行动的人与您的亲密程度——您与发布内容的人的联系被认为是计算亲和度得分的重要因素。因此，拥有 50 个共同朋友的朋友将比拥有 10 个共同朋友的朋友具有更高的亲和力。
3.他们多久前采取行动– 时间与亲和力分数成反比。所以，如果一个人发布了他的生日，而你在一周后打开你的提要，那么这些帖子肯定不会显示在你的墙上。
边缘权重： Facebook 上的每个帖子都有一些权重，即它们的重要性。简单来说，对您照片的评论可能比点赞或分享更有价值。 Facebook 改变了边缘权重，以反映他们认为用户最感兴趣的故事类型。例如，照片和视频的权重高于链接。因此，对照片的评论比对链接的评论更有可能被突出显示。
时间衰减：随着帖子变老，它开始失去重要性。新的将它们替换为新闻源上的插槽。 EdgeRank 算法不仅选择要在您的新闻提要上显示的帖子，而且还会对它们进行排序以显示在您的新闻提要上。
2007 年，一位 Facebook 工程师在接受采访时表示，只有大约 0.2% 的符合条件的故事能够进入用户的新闻源。这意味着您的状态更新正在与 499 个其他故事竞争用户新闻源中的一个位置。
来源：edgerank.net