تحتوي هذه الصفحة على مصطلحات مسرد أنظمة التوصية. للاطّلاع على جميع مصطلحات المسرد، انقر على هذا الرابط.
C
إنشاء نموذج محتمل
المجموعة الأولية من الاقتراحات التي يختارها نظام الاقتراحات على سبيل المثال، لنفترض أنّ هناك مكتبة تبيع 100,000 عنوان. تنشئ مرحلة إنشاء الاقتراحات قائمة أصغر بكثير من الكتب المناسبة لمستخدم معيّن، على سبيل المثال 500 كتاب. ولكن حتى 500 كتاب هو عدد كبير جدًا لاقتراحه على المستخدم. إنّ المراحل اللاحقة والأكثر تكلفة في نظام الاقتراحات (مثل التقييم و إعادة الترتيب) تقلّل من هذه الاقتراحات الـ 500 إلى مجموعة أصغر بكثير وأكثر فائدة من الاقتراحات.
اطّلِع على نظرة عامة على عملية إنشاء المرشحين في دورة "أنظمة الاقتراحات" للحصول على مزيد من المعلومات.
الفلترة حسب الاهتمامات الجماعية
إجراء توقّعات حول اهتمامات مستخدم واحد استنادًا إلى اهتمامات العديد من المستخدمين الآخرين غالبًا ما يتم استخدام التصفية التعاونية في أنظمة التوصية.
اطّلِع على التصفية التعاونية في دورة "أنظمة الاقتراحات" للحصول على مزيد من المعلومات.
I
مصفوفة السلع
في أنظمة الاقتراحات، يتم إنشاء مصفوفة من ناقلات التضمين من خلال تحليل المصفوفات التي تحتوي على إشارات كامنة عن كل عنصر. يحتوي كل صف من مصفوفة السلع على قيمة سمة واحدة كامنة لجميع السلع. على سبيل المثال، لنفترض أنّ لدينا نظامًا يقترح الأفلام. يمثّل كل عمود في مصفوفة العناصر فيلمًا واحدًا. قد تمثل الإشارات الكامنة أنواع الأفلام، أو قد تكون إشارات يصعب تفسيرها وتتضمّن تفاعلات معقّدة بين النوع والنجوم وعمر الفيلم أو عوامل أخرى.
تحتوي مصفوفة السلع على عدد الأعمدة نفسه في المصفوفة المستهدفة التي يتم تجزئتها. على سبيل المثال، إذا كان لدينا نظام اقتراحات أفلام يُقيّم 10,000 عنوان فيلم، ستتضمّن ملف تعريف العناصر 10,000 عمود.
items
في نظام التوصية، يشير ذلك إلى العناصر التي يقترحها النظام. على سبيل المثال، الفيديوهات هي العناصر التي يقترحها متجر الفيديو، في حين أنّ الكتب هي العناصر التي يقترحها متجر الكتب.
M
تجزئة المصفوفة
في الرياضيات، آلية للعثور على المصفوفات التي يكون ناتج ضربها النقطي تقريبيًا لمصفوفة مستهدَفة.
في أنظمة الاقتراحات، تشكل مصفوفة الاستهداف غالبًا تقييمات المستخدمين لـ العناصر. على سبيل المثال، قد تبدو مصفوفة المحتوى المستهدفة لنظام اقتراحات الأفلام على النحو التالي، حيث تكون الأعداد الصحيحة الموجبة هي تقييمات المستخدمين و0 يشير إلى أنّ المستخدم لم يقدّم تقييمًا للفيلم:
| الدار البيضاء | The Philadelphia Story | Black Panther | المرأة المعجزة | Pulp Fiction | |
|---|---|---|---|---|---|
| مستخدم 1 | 5.0 | 3 | 0.0 | 2.0 | 0.0 |
| مستخدم 2 | 4.0 | 0.0 | 0.0 | 1 | 5.0 |
| مستخدم 3 | 3 | 1 | 4.0 | 5.0 | 0.0 |
يهدف نظام اقتراحات الأفلام إلى توقّع تقييمات المستخدمين للأفلام التي لم يتم تقييمها. على سبيل المثال، هل سيعجب المستخدم "أ" بفيلم Black Panther؟
من بين الأساليب التي تستخدمها أنظمة التوصية هي استخدام تحليل محتوى الجدول لإنشاء المصطلحين التاليين:
- مصفوفة المستخدِمين، التي يتمّ إنشاؤها على شكل عدد المستخدِمين × عدد سمات التضمين
- مصفوفة سلع، على شكل عدد سمات التضمين × عدد السلع
على سبيل المثال، يمكن أن يؤدي استخدام تحليل المصفوفات على المستخدِمين الثلاثة والعناصر الخمسة إلى الحصول على مصفوفة المستخدِمين ومصفوفة السلع التالية:
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
ينتج عن حاصل ضرب مصفوفة المستخدمين في مصفوفة العناصر ملف ترشيح لا يحتوي فقط على تقييمات المستخدمين الأصلية، بل يتضمّن أيضًا توقّعات للأفلام التي لم يشاهدها كل مستخدم. على سبيل المثال، لنفترض أنّ تقييم المستخدم "أ" لفندق Casablanca هو 5.0. من المفترض أن يكون ناتج ضرب النقاط المرتبط بهذه الخلية في مصفوفة الاقتراحات حوالي 5.0، وهو:
(1.1 * 0.9) + (2.3 * 1.7) = 4.9
الأهم من ذلك، هل سيعجب "المستخدم 1" فيلم Black Panther؟ يؤدي الضرب النقطي المرتبط بالصف الأول والعمود الثالث إلى الحصول على تقييم متوقّع يبلغ 4.3:
(1.1 * 1.4) + (2.3 * 1.2) = 4.3
تؤدي عملية تحليل المصفوفات عادةً إلى إنشاء مصفوفة مستخدمين ومصفوفة سلع، وهما مصفوتان أكثر كثافة بكثير من المصفوفة المستهدَفة.
R
نظام الاقتراحات
نظام يختار لكل مستخدم مجموعة صغيرة نسبيًا من العناصر المرغوب فيها من مجموعة كبيرة من النصوص على سبيل المثال، قد يقترح نظام اقتراح الفيديوهات فيديوهَين من مجموعة تضم 100,000 فيديو، ويختار Casablanca و The Philadelphia Story لمستخدم معيّن، وWonder Woman و Black Panther لمستخدم آخر. قد يستند نظام اقتراح الفيديوهات إلى عوامل مثل:
- الأفلام التي قيّمها أو شاهدها مستخدمون مشابهون
- النوع والمخرجون والممثلون والخصائص الديمغرافية المستهدَفة...
اطّلِع على دورة "أنظمة الاقتراحات" لمزيد من المعلومات.
إعادة الترتيب
المرحلة النهائية من نظام الاقتراحات، التي قد تتم خلالها إعادة تقييم العناصر التي تمّت تقييمها وفقًا لبعض غيرها من الخوارزميات (عادةً ما تكون غير مستندة إلى الذكاء الاصطناعي). تعمل إعادة الترتيب على تقييم قائمة العناصر التي تم إنشاؤها في مرحلة التقييم، مع اتّخاذ إجراءات مثل:
- إزالة العناصر التي سبق أن اشتراها المستخدم
- زيادة نتيجة العناصر الأحدث
اطّلِع على إعادة الترتيب في دورة "أنظمة الاقتراحات" للحصول على مزيد من المعلومات.
S
تسجيل النتائج
الجزء من نظام الاقتراحات الذي يقدّم قيمة أو ترتيبًا لكل عنصر تم إنشاؤه في مرحلة إنشاء الاقتراحات
U
مصفوفة المستخدِمين
في أنظمة الاقتراحات، هو مصفوفة إدراج يتم إنشاؤها من خلال تحليل مصفوفة التي تحتوي على إشارات كامنة عن الإعدادات المفضّلة للمستخدم. يحتوي كل صف من صفائف المستخدِمين على معلومات عن القوة النسبية للإشارات الكامنة المختلفة لمستخدِم واحد. على سبيل المثال، لنفترض أنّ لدينا نظامًا يقترح الأفلام. في هذا النظام، قد تمثّل الإشارات الكامنة في مصفوفة المستخدِمين اهتمام كل مستخدِم بأنواع معيّنة من المحتوى، أو قد تكون إشارات يصعب تفسيرها وتتضمن تفاعلات معقّدة على مستوى عوامل متعدّدة.
تحتوي مصفوفة المستخدِمين على عمود لكلّ سمة كامنة وصفّ لكلّ مستخدِم. وهذا يعني أنّ مصفوفة المستخدِمين تحتوي على عدد الصفوف نفسه الذي تحتوي عليه المصفوفة المستهدَفة التي يتمّ تجزئتها. على سبيل المثال، في حال توفّر نظام اقتراح أفلام لعدد 1,000,000 مستخدم، ستتضمّن Matrix المستخدمين 1,000,000 صفًا.
واط
المربّعات الصغرى البديلة المرجحة (WALS)
خوارزمية لتقليل الدالة الموضوعية أثناء تحليل المصفوفات في أنظمة الاقتراحات، ما يسمح بمحاولة تقليل أهمية الأمثلة غير المتوفّرة. تعمل تقنية WALS على تقليل الخطأ التربيعي المرجح بين المصفوفة الأصلية وإعادة الإنشاء من خلال التبديل بين إصلاح تجزئة الصفوف وتجزئة الأعمدة. يمكن حلّ كلّ من عمليات التحسين هذه باستخدام أسلوب أقلّ مربّعات التحسين المحدّد. لمعرفة التفاصيل، يُرجى الاطّلاع على دورة "أنظمة الاقتراحات".