स्कोरिंग

उम्मीदवार के जनरेट होने के बाद, दूसरा मॉडल जनरेट किए गए मेट्रिक को स्कोर और रैंक करता है प्रत्याशियों को दिखाने के लिए आइटम का सेट चुनना होगा. वीडियो के सुझाव देने वाला सिस्टम ऐसे कई कैंडिडेट जनरेटर हो सकते हैं जो अलग-अलग सोर्स का इस्तेमाल करते हैं. जैसे:

उदाहरण

• किसी मैट्रिक्स फ़ैक्टराइज़ेशन मॉडल से मिलते-जुलते आइटम.
• ऐप्लिकेशन या उसके कॉन्टेंट को उपयोगकर्ता के मनमुताबिक बनाने की प्रोसेस के लिए, उपयोगकर्ता की सुविधाएं.
• "लोकल" बनाम "दूरी" items; यानी, भौगोलिक जानकारी खाते में सुरक्षित रखा जा सकता है.
• लोकप्रिय या ट्रेंडिंग आइटम.
• सोशल ग्राफ़; वे आइटम जिन्हें पसंद करते हैं या जिनका सुझाव दिया जाता है दोस्त.

सिस्टम इन अलग-अलग सोर्स को एक ही पूल में मिला देता है इसके बाद, एक मॉडल के हिसाब से स्कोर किया जाता है और रैंकिंग तय की जाती है. उस स्कोर को बेहतर बनाने में मदद मिलेगी. उदाहरण के लिए, सिस्टम, मॉडल को किसी उपयोगकर्ता के YouTube पर वीडियो देखने की संभावना, इसके लिए दी गई है:

• क्वेरी से जुड़ी सुविधाएं, जैसे कि वीडियो देखने का इतिहास, भाषा, देश, समय
• वीडियो से जुड़ी सुविधाएं (जैसे, टाइटल, टैग, वीडियो एम्बेड करना)

इसके बाद, सिस्टम, उम्मीदवारों के पूल में मौजूद वीडियो को रैंक कर सकता है. ये रैंकिंग इस हिसाब से दी जाएंगी कि अनुमान तक लगाया जा सकता है.

कैंडिडेट जनरेटर स्कोर का ऐक्सेस क्यों नहीं दिया जाता?

क्योंकि कैंडिडेट जनरेटर, स्कोर का हिसाब लगाते हैं (जैसे, समानता का माप करने के लिए प्रोत्साहित करते हैं, तो आप करते हैं. हालांकि, आपको इन वजहों से ऐसा करने से बचना चाहिए:

• कुछ सिस्टम एक से ज़्यादा कैंडिडेट जनरेटर पर निर्भर होते हैं. इनके स्कोर अलग-अलग जनरेटर की तुलना नहीं की जा सकती.
• उम्मीदवारों के कम ग्रुप के साथ, सिस्टम यह तय कर सकता है कि और एक जटिल मॉडल होगा, जो कॉन्टेक्स्ट को बेहतर ढंग से कैप्चर करने की सुविधा देगा.

स्कोरिंग के लिए मकसद फ़ंक्शन चुनना

जैसा कि आपको याद होगा, ML समस्या का परिचय फ़्रेमिंग, एमएल एक शरारती जीनी की तरह काम करता है: इसका मकसद जानकर बहुत खुशी होगी उपलब्ध कराई जाती हैं, लेकिन आपको इस बात के प्रति सावधान रहना होता है कि आप क्या चाहते हैं. यह शरारती है क्वालिटी, वीडियो के सुझाव देने वाले सिस्टम पर भी लागू होती है. स्कोर का विकल्प फ़ंक्शन से आइटम की रैंकिंग पर नाटकीय रूप से असर पड़ सकता है और सुझावों की क्वालिटी.

उदाहरण:

प्लस के आइकॉन पर क्लिक करके जानें कि हर एक का इस्तेमाल करने से क्या होता है मकसद.

क्लिक दर बढ़ाएं

अगर स्कोरिंग फ़ंक्शन क्लिक के लिए ऑप्टिमाइज़ होता है, तो सिस्टम आपको क्लिक-बेट वाले वीडियो. यह स्कोरिंग फ़ंक्शन क्लिक जनरेट करता है, लेकिन ऐसा नहीं करता एक अच्छा उपयोगकर्ता अनुभव दें. लोगों का रिकॉर्ड लोगों की दिलचस्पी जल्द ही कम हो सकती है.

वीडियो देखने का कुल समय बढ़ाएं

अगर स्कोरिंग फ़ंक्शन, वीडियो देखने के कुल समय के हिसाब से ऑप्टिमाइज़ करता है, तो सिस्टम बहुत लंबे वीडियो का सुझाव देते हैं. इसकी वजह से उपयोगकर्ता अनुभव खराब हो सकता है. ध्यान दें कि एक से ज़्यादा छोटी घड़ियां, एक लंबी घड़ी जितनी ही अच्छी हो सकती हैं.

अलग-अलग तरह के इवेंट और सेशन के वीडियो देखने के कुल समय को बढ़ाएं

हम ऐसे छोटे वीडियो इस्तेमाल करने का सुझाव देते हैं जो ज़्यादातर उपयोगकर्ता जुड़े.

स्कोरिंग में पोज़िशनल बायस

स्क्रीन पर नीचे दिखाई देने वाले आइटम पर क्लिक किए जाने की संभावना कम आइटम ऊपर दिख रहे हैं. हालांकि, वीडियो शूट करते समय, सिस्टम को आम तौर पर यह पता नहीं होता कि स्क्रीन पर उस वीडियो का लिंक कहां दिखेगा असल में दिखते हैं. मॉडल को सभी संभावित स्थितियों के साथ क्वेरी करना भी है महंगा. भले ही, एक से ज़्यादा पोज़िशन पर क्वेरी की जा सकती हो, फिर भी सिस्टम फिर भी हो सकता है कि कई रैंकिंग स्कोर में एक जैसी रैंकिंग न मिले.

समाधान

• रैंक के हिसाब से रैंकिंग तय करें.
• सभी उम्मीदवारों को इस तरह रैंक करें कि वे स्क्रीन पर सबसे ऊपर हैं.