Las redes neuronales gráficas (GNN) son un campo del aprendizaje profundo que está basado en grafos para comprender las relaciones entre los conjuntos de entidades que se mantienen en una base de datos.
De esta forma las GNN, analizan las conexiones de un miembro y las conexiones de las conexiones para realizar tareas de IA como la búsqueda y la recomendación.
De hecho, grandes empresas como Facebook, Google y Twitter invierten grandes cantidades de dinero para realizar investigaciones de GNN porque han demostrado ser superiores a otros modelos de aprendizaje automático que funcionan con gráficos.
LinkedIn ya tiene stories y así es como han reaccionado los usuarios
Sin embargo, se ha descubierto que la aplicación de este modelo es poco preciso en las recomendaciones para las redes sociales porque presenta algunas limitaciones.
Para empezar, cuando una estrategia basada en GNN se aplica para determinar las conexiones entre usuarios, amigos o colegas profesionales es muy difícil determinar los matices y los grados de relaciones de los mismos.
En la mayoría de los casos, un solo usuario tiene muchas conexiones, y utilizarlas todas para realizar una recomendación no es para nada práctico. Un influencer, por ejemplo, podría tener millones de conexiones.
LinkedIn y su nuevo método GNN
Lo que hace que una recomendación sea poco precisa y confusa. Es por eso que LinkedIn se ha dado a la tarea de implementar un nuevo método GNN llamado «Estrategia de muestreo adaptativo al rendimiento» o «PASS».
Lo que hace este nuevo método es utilizar la IA para recabar los vecinos más relevantes dentro …