في عالم اليوم حيث تتزايد كمية المحتوى بشكل هائل، تمثل توصيات المحتوى قديمة الطراز إحدى التحديات الكبرى التي تواجه المستخدمين، حيث تؤدي إلى استياءهم وازدياد الشكاوى. وتقوم المشكلة أساسًا على آليتين رئيسيتين، هما "التفوق" (supersession) و"انحسار الأهمية" (relevance decay).

التفوق يعني أن التحديثات الجديدة تجعل المحتوى السابق غير ذي صلة، بينما تعني انحسار الأهمية أن القيمة المعلوماتية للمحتوى تتضاءل مع مرور الوقت. في العادة، تمثل التدابير التقليدية لمكافحة هذه المشكلة حلولاً غير فعالة، مثل استخدام أعمار المحتوى للتمييز بين القديم والجديد، والتي قد لا تعكس بدقة فقدان الأهمية.

لكن مع إطلاق نظام تصفية "SDF" (Supersession-Decay Filtering) من جوجل، يتعين علينا أن نعيد التفكير في كيفية تعاملنا مع هذه التحديات. هذا النظام الجديد مهيأ بشكل كامل في منصة جوجل ديسكفر، وهي خدمة توصيات شخصية تخدم مئات الملايين من المستخدمين يوميًا.

يستهدف SDF كلاً من الآليتين من خلال استخدام فلاتر تكمل بعضها البعض وتحمل نماذج متعلمة. يتضمن ذلك نموذج "التفوق بين العناصر" (relational staleness model) الذي يرصد تأثير التفوق بين أزواج العناصر، ونموذج "نسبة المرور المتوقعة" (predicted traffic ratio - PTR) الذي يتنبأ بانحسار الأهمية بناءً على محتوى العنصر ومدى التفاعل معه في الفترة الزمنية.

التطبيق العملي لهذا النظام أدى إلى تقليص كبير في تكاليف تقديم المحتوى غير ذي الصلة، حيث أظهرت التجارب أن تقرير المستخدمين حول المحتوى القديم انخفض بنسبة 54.9% بعد تطبيق النظام على مدار عامين. بهذا الشكل، يتمكن المستخدمون من الاستفادة من محتوى يجسد الممارسات الأفضل للذكاء الصناعي بل ويساهم في خلق بيئة معلوماتية أكثر ملاءمة وفاعلية.