প্রার্থী জেনারেশনের পর, অন্য একটি মডেল জেনারেট করা প্রার্থীদের স্কোর করে এবং র্যাঙ্ক করে প্রদর্শনের জন্য আইটেমগুলির সেট নির্বাচন করতে। সুপারিশ পদ্ধতিতে একাধিক প্রার্থী জেনারেটর থাকতে পারে যা বিভিন্ন উত্স ব্যবহার করে, যেমন নিম্নলিখিত:
- একটি ম্যাট্রিক্স ফ্যাক্টরাইজেশন মডেল থেকে সম্পর্কিত আইটেম।
- ব্যবহারকারীর বৈশিষ্ট্য যা ব্যক্তিগতকরণের জন্য অ্যাকাউন্ট করে।
- "স্থানীয়" বনাম "দূরের" আইটেম; যে, অ্যাকাউন্টে ভৌগলিক তথ্য গ্রহণ.
- জনপ্রিয় বা প্রবণতা আইটেম.
- একটি সামাজিক গ্রাফ; যে, আইটেম পছন্দ বা বন্ধুদের দ্বারা সুপারিশ করা হয়.
সিস্টেমটি এই বিভিন্ন উত্সগুলিকে প্রার্থীদের একটি সাধারণ পুলে একত্রিত করে যা একটি একক মডেল দ্বারা স্কোর করা হয় এবং সেই স্কোর অনুসারে র্যাঙ্ক করা হয়। উদাহরণ স্বরূপ, সিস্টেমটি একটি মডেলকে প্রশিক্ষণ দিতে পারে যাতে একজন ব্যবহারকারী YouTube-এ ভিডিও দেখার সম্ভাবনার পূর্বাভাস দেয়:
- ক্যোয়ারী বৈশিষ্ট্য (উদাহরণস্বরূপ, ব্যবহারকারীর দেখার ইতিহাস, ভাষা, দেশ, সময়)
- ভিডিও বৈশিষ্ট্য (উদাহরণস্বরূপ, শিরোনাম, ট্যাগ, ভিডিও এম্বেডিং)
সিস্টেমটি মডেলের ভবিষ্যদ্বাণী অনুসারে প্রার্থীদের পুলে ভিডিওগুলিকে স্থান দিতে পারে।
কেন প্রার্থী জেনারেটর স্কোর করতে দেবেন না?
যেহেতু প্রার্থী জেনারেটররা একটি স্কোর গণনা করে (যেমন এমবেডিং স্পেসে সাদৃশ্য পরিমাপ), আপনি র্যাঙ্কিং করতেও তাদের ব্যবহার করতে প্রলুব্ধ হতে পারেন। যাইহোক, নিম্নলিখিত কারণে আপনি এই অভ্যাস এড়ানো উচিত:
- কিছু সিস্টেম একাধিক প্রার্থী জেনারেটরের উপর নির্ভর করে। এই বিভিন্ন জেনারেটরের স্কোর তুলনাযোগ্য নাও হতে পারে।
- প্রার্থীদের একটি ছোট পুলের সাথে, সিস্টেমটি আরও বৈশিষ্ট্য এবং আরও জটিল মডেল ব্যবহার করতে পারে যা প্রসঙ্গটি আরও ভালভাবে ক্যাপচার করতে পারে।
স্কোর করার জন্য একটি উদ্দেশ্যমূলক ফাংশন নির্বাচন করা
এমএল প্রবলেম ফ্রেমিং-এর ভূমিকা থেকে আপনি মনে রাখতে পারেন, ML একটি দুষ্টু জিনের মতো কাজ করতে পারে: আপনি যে উদ্দেশ্যটি প্রদান করেন তা শিখতে পেরে খুব খুশি, কিন্তু আপনি যা চান তা আপনাকে সতর্ক থাকতে হবে। এই দুষ্টু গুণটি সুপারিশ ব্যবস্থার ক্ষেত্রেও প্রযোজ্য। স্কোরিং ফাংশনের পছন্দ নাটকীয়ভাবে আইটেমগুলির র্যাঙ্কিং এবং শেষ পর্যন্ত সুপারিশের গুণমানকে প্রভাবিত করতে পারে।
উদাহরণ:
প্রতিটি উদ্দেশ্য ব্যবহার করার ফলে কী ঘটে তা জানতে প্লাস আইকনে ক্লিক করুন।
স্কোরিংয়ে অবস্থানগত পক্ষপাত
যে আইটেমগুলি স্ক্রিনে নীচে প্রদর্শিত হয় সেগুলি স্ক্রীনে উচ্চতর আইটেমগুলির তুলনায় ক্লিক করার সম্ভাবনা কম৷ যাইহোক, ভিডিও স্কোর করার সময়, সিস্টেম সাধারণত জানে না যে পর্দায় সেই ভিডিওর লিঙ্কটি শেষ পর্যন্ত কোথায় প্রদর্শিত হবে। সমস্ত সম্ভাব্য অবস্থান সহ মডেল অনুসন্ধান করা খুব ব্যয়বহুল। এমনকি যদি একাধিক অবস্থানের অনুসন্ধান করা সম্ভব হয়, তবুও সিস্টেমটি একাধিক র্যাঙ্কিং স্কোর জুড়ে একটি সামঞ্জস্যপূর্ণ র্যাঙ্কিং খুঁজে নাও পেতে পারে।
সমাধান
- অবস্থান-স্বাধীন র্যাঙ্কিং তৈরি করুন।
- সমস্ত প্রার্থীকে এমনভাবে র্যাঙ্ক করুন যেন তারা স্ক্রিনে শীর্ষ অবস্থানে রয়েছেন।