इस पेज में सुझाव देने वाले सिस्टम के लिए शब्दावली शब्द हैं. शब्दावली शब्दों के लिए, यहां क्लिक करें.
C
कैंडिडेट जनरेशन
सुझावों का शुरुआती सेट जिसे सुझाव देने वाला सिस्टम. उदाहरण के लिए, किताबों की दुकान, जहां 1,00,000 किताबें मिलती हैं. कैंडिडेट जनरेशन फ़ेज़ की मदद से उदाहरण के लिए, किसी खास उपयोगकर्ता के लिए काम आने वाली किताबों की एक छोटी सूची, जैसे कि 500. हालांकि, फिर किसी व्यक्ति को 500 किताबें खरीदने का सुझाव देने के लिए, बहुत ज़्यादा किताबें हैं. बाद में, ज़्यादा महंगा, सुझाव देने वाले सिस्टम के चरण, जैसे कि स्कोरिंग और री-रैंकिंग) से, उन 500 को घटाकर बहुत छोटा कर दिया जाएगा, सुझावों का ज़्यादा उपयोगी सेट.
मिलकर काम करने के लिए फ़िल्टर करना
किसी उपयोगकर्ता की दिलचस्पियों के बारे में अनुमान लगाना कई अन्य उपयोगकर्ताओं की पसंद के आधार पर. कोलैबोरेटिव फ़िल्टरिंग का इस्तेमाल अक्सर सुझाव देने वाले सिस्टम में किया जाता है.
I
आइटम का मैट्रिक्स
सुझाव देने वाले सिस्टम में, एम्बेडिंग वेक्टर का मैट्रिक्स जो जनरेट किया गया हो मैट्रिक्स फ़ैक्टराइज़ेशन जो हर आइटम के बारे में लेटेंट सिग्नल देता है. आइटम मैट्रिक्स की हर पंक्ति में एक लेटेंट का मान होता है सुविधा का इस्तेमाल करें. उदाहरण के लिए, फ़िल्म का सुझाव देने वाले किसी सिस्टम का इस्तेमाल करें. हर कॉलम आइटम मैट्रिक्स में एक मूवी दिखती है. द लेटेंट सिग्नल वे शैलियों के बारे में बताती हों या उन्हें समझना मुश्किल हो ऐसे सिग्नल जिनमें शैली, सितारों, फ़िल्म की उम्र या अन्य कारक.
आइटम मैट्रिक्स में कॉलम की संख्या, टारगेट की संख्या के बराबर है ऐसा मैट्रिक्स जिसे फ़ैक्टराइज़ किया जा रहा है. उदाहरण के लिए, किसी फ़िल्म में सुझाव देने वाला सिस्टम है,जो 10, 000 फ़िल्मों के टाइटल का आकलन करता है. आइटम मैट्रिक्स में 10,000 कॉलम होंगे.
आइटम
सुझाव देने वाले सिस्टम में, वे इकाइयां जो किसी सिस्टम का सुझाव है. उदाहरण के लिए, वीडियो ऐसे आइटम होते हैं जिन्हें कोई वीडियो सेव करता है की सलाह देता है, जबकि किताबें वे आइटम हैं जिनका सुझाव किसी बुकस्टोर ने दिया है.
M
मैट्रिक्स फ़ैक्टराइज़ेशन
गणित में, उन आव्यूहों को ढूंढने की एक तकनीक जिनके डॉट प्रॉडक्ट से टारगेट मैट्रिक्स.
सुझाव देने वाले सिस्टम में, टारगेट मैट्रिक्स उपयोगकर्ता को अक्सर आइटम पर रेटिंग. उदाहरण के लिए, लक्ष्य का आव्यूह कुछ इस तरह का दिख सकता है: इसके बाद, जहां धनात्मक पूर्णांक उपयोगकर्ता रेटिंग और 0 होते हैं इसका मतलब है कि उपयोगकर्ता ने फ़िल्म को रेटिंग नहीं दी है:
| कैसाब्लांका | द फ़िलाडेल्फ़िया स्टोरी | Black Panther | वंडर वुमन | दिल से | |
|---|---|---|---|---|---|
| उपयोगकर्ता 1 | 5.0 | 3.0 | 0.0 | 2.0 | 0.0 |
| उपयोगकर्ता 2 | 4.0 | 0.0 | 0.0 | 1.0 | 5.0 |
| उपयोगकर्ता 3 | 3.0 | 1.0 | 4.0 | 5.0 | 0.0 |
मूवी के सुझाव देने वाले सिस्टम का मकसद, YouTube पर दर्शकों को बगैर रेटिंग वाली फ़िल्में. उदाहरण के लिए, क्या उपयोगकर्ता 1 को ब्लैक पैंथर पसंद आएगा?
सुझाव देने वाले सिस्टम के लिए एक तरीका, मैट्रिक्स का इस्तेमाल करना है फ़ैक्टराइज़ेशन:
- उपयोगकर्ता मैट्रिक्स, जो X जोड़े गए डाइमेंशन की संख्या.
- आइटम का मैट्रिक्स, जिसे एम्बेड करने की संख्या के तौर पर दिखाया जाता है डाइमेंशन X में आइटम की संख्या बताई जाती है.
उदाहरण के लिए, हमारे तीन उपयोगकर्ताओं और पांच आइटम पर, मैट्रिक्स गुणनखंडन का इस्तेमाल करना इससे ये यूज़र मैट्रिक्स और आइटम मैट्रिक्स मिल सकता है:
User Matrix Item Matrix 1.1 2.3 0.9 0.2 1.4 2.0 1.2 0.6 2.0 1.7 1.2 1.2 -0.1 2.1 2.5 0.5
उपयोगकर्ता मैट्रिक्स और आइटम मैट्रिक्स का डॉट प्रॉडक्ट एक सुझाव देता है ऐसा मैट्रिक्स जिसमें सिर्फ़ असली उपयोगकर्ता रेटिंग ही नहीं, बल्कि अनुमान भी शामिल होते हैं मूवी के लिए हैं जिन्हें हर व्यक्ति ने नहीं देखा है. उदाहरण के लिए, उपयोगकर्ता 1 की कैसाब्लांका की रेटिंग देखें, जो 5.0 थी. बिंदु सुझाव मैट्रिक्स में उस सेल से संबंधित प्रॉडक्ट को करीब 5.0 पर हो सकता है और यह:
(1.1 * 0.9) + (2.3 * 1.7) = 4.9
सबसे अहम बात यह है कि क्या उपयोगकर्ता 1 को ब्लैक पैंथर, पसंद आएगा? डॉट प्रॉडक्ट लेना जब पहली पंक्ति और तीसरे कॉलम के आधार पर एक अनुमान मिलता है, 4.3 की रेटिंग:
(1.1 * 1.4) + (2.3 * 1.2) = 4.3
मैट्रिक्स फ़ैक्टराइज़ेशन से आम तौर पर एक यूज़र मैट्रिक्स और आइटम मैट्रिक्स मिलता है, जो साथ में, ये टारगेट मैट्रिक्स की तुलना में काफ़ी छोटे होते हैं.
R
सुझाव देने वाला सिस्टम
एक ऐसा सिस्टम जो हर उपयोगकर्ता के लिए, ज़रूरत के मुताबिक एक छोटा सेट चुनता है किसी बड़े संग्रह से आइटम. उदाहरण के लिए, वीडियो का सुझाव देने वाला सिस्टम, दो वीडियो के सुझाव दे सकता है को मिलाकर, 1,00,000 वीडियो के कलेक्शन में से कैसाब्लांका और एक उपयोगकर्ता के लिए द फ़िलाडेल्फ़िया स्टोरी और वंडर वुमन और दूसरे के लिए ब्लैक पैंथर. वीडियो का सुझाव देने वाला सिस्टम, उसके आधार पर सुझाव दिए जाते हैं, जैसे:
- ऐसी फ़िल्में जिन्हें इसी तरह के दूसरे उपयोगकर्ताओं ने रेटिंग दी है या देखा है.
- शैली, डायरेक्टर, अभिनेता, टारगेट की गई डेमोग्राफ़िक...
री-रैंकिंग
सुझाव देने वाले सिस्टम का आखिरी चरण, जिसके दौरान स्कोर किए गए आइटम को उनके क्रम के अनुसार फिर से ग्रेड किया जा सकता है (आम तौर पर, गैर-एमएल) एल्गोरिदम. फिर से रैंकिंग देने से आइटम की सूची का आकलन किया जाता है यह डेटा, स्कोरिंग फ़ेज़ के हिसाब से जनरेट होता है. इसके लिए, ये कार्रवाइयां की जा सकती हैं:
- ऐसे आइटम हटाना जिन्हें उपयोगकर्ता पहले ही खरीद चुका है.
- इसके अलावा, ज़्यादा से ज़्यादा नए प्रॉडक्ट की संख्या बढ़ाई जा रही है.
S
स्कोरिंग
यह सुझाव देने वाले सिस्टम का हिस्सा है से मिलने वाले हर आइटम के लिए मान या रैंकिंग देता है उम्मीदवार के जनरेशन में होने वाला चरण.
U
उपयोगकर्ता मैट्रिक्स
सुझाव देने वाले सिस्टम में, एम्बेडिंग वेक्टर जनरेट किया गया मैट्रिक्स फ़ैक्टराइज़ेशन जो उपयोगकर्ता की प्राथमिकताओं के बारे में गुप्त संकेत देता है. यूज़र मैट्रिक्स की हर पंक्ति में, संबंधित डेटा की जानकारी होती है किसी एक उपयोगकर्ता के लिए, अलग-अलग लेटेंट सिग्नल की इंटेंसिटी. उदाहरण के लिए, फ़िल्म का सुझाव देने वाले किसी सिस्टम का इस्तेमाल करें. इस सिस्टम में, यूज़र मैट्रिक्स में लेटेंट सिग्नल, हर उपयोगकर्ता की दिलचस्पी दिखा सकते हैं या हो सकता है कि ऐसे सिग्नल को समझना मुश्किल हो जिनमें कई चीज़ों की वजह से मुश्किल इंटरैक्शन हो सकता है.
यूज़र मैट्रिक्स में हर लेटेंट सुविधा के लिए एक कॉलम और हर उपयोगकर्ता के लिए एक लाइन होती है. इसका मतलब है कि उपयोगकर्ता मैट्रिक्स में उतनी ही लाइनें हैं जितनी टारगेट की हैं ऐसा मैट्रिक्स जिसे फ़ैक्टराइज़ किया जा रहा है. उदाहरण के लिए, किसी फ़िल्म में के सुझाव देने वाला सिस्टम है, तो उपयोगकर्ता मैट्रिक्स में 10,00,000 लाइनें होंगी.
W
वेटेड ऑल्टरनेटिंग लीस्ट स्क्वेयर (WALS)
इस दौरान, मकसद फ़ंक्शन को कम करने के लिए एल्गोरिदम मैट्रिक्स फ़ैक्टराइज़ेशन को सुझाव देने वाले सिस्टम की मदद से, छूटी हुई वैल्यू को कम कर दिया जाएगा. WALS, मुख्य कॉन्टेंट के वेट को छोटा करता है मूल आव्यूह और इसके आधार पर फिर से निर्माण के बीच गड़बड़ी का वर्ग पंक्ति के गुणक और कॉलम के फ़ैक्टराइज़ेशन को ठीक करने के बीच स्विच करना. इनमें से हर ऑप्टिमाइज़ेशन को कम से कम स्क्वेयर वैल्यू से हल किया जा सकता है कन्वर्ज़न ऑप्टिमाइज़ करने की सुविधा. जानकारी के लिए, यह देखें सुझाव देने वाले सिस्टम कोर्स.