Puanlama

Aday oluşturma işleminden sonra, görüntülenecek bir dizi öğe seçmek için başka bir model, oluşturulan adayları puanlayıp sıralar. Öneri sisteminde aşağıdakiler gibi farklı kaynaklar kullanan birden fazla aday oluşturucu bulunabilir:

Örnekler

• Matrisi çarpanlara ayırma modelinden ilgili öğeler.
• Kişiselleştirmeyi hesaba katan kullanıcı özellikleri.
• "Yerel" ve "uzaktan" öğeler (yani coğrafi bilgiler dikkate alınır).
• Popüler veya trend olan öğeler.
• Sosyal grafik; diğer bir deyişle, arkadaşlarınız tarafından beğenilen veya önerilen öğeler.

Sistem, bu farklı kaynakları ortak bir aday havuzunda birleştirir. Daha sonra bu puan tek bir model tarafından puanlanır ve o puana göre sıralanır. Örneğin, sistem bir kullanıcının YouTube'da video izleme olasılığını tahmin etmek için bir modeli eğiterek aşağıdakileri göz önünde bulundurabilir:

• sorgu özellikleri (örneğin, kullanıcının izleme geçmişi, dili, ülkesi, saati)
• video özellikleri (ör. başlık, etiketler, video yerleştirme)

Sistem, adayın havuzundaki videoları modelin tahminine göre sıralayabilir.

Aday Oluşturucu Puanına Neden İzin Veriyorsunuz?

Aday oluşturucular bir puan hesapladığı için (yerleştirme alanındaki benzerlik ölçüsü gibi), sıralamayı yapmak için de bunları kullanma fikri cazip gelebilir. Ancak, bu uygulamadan aşağıdaki nedenlerden kaçınmanız gerekir:

• Bazı sistemler birden fazla aday oluşturucuyu kullanır. Bu farklı Jeneratörlerin puanları birbirine yakın olmayabilir.
• Küçük bir aday havuzuyla sistem, daha fazla özellik ve bağlamı daha iyi bir şekilde ele alabilecek daha karmaşık modeller kullanabilir.

Puanlama için Amaç İşlevi Seçme

ML Sorun Çözümü'ne Giriş'de hatırlayacağınız gibi, makine öğrenimi kötü bir cinymiş gibi davranabilir: Sağladığınız hedefi öğrendiğiniz için çok mutluyuz, ancak ne istediğinize dikkat etmeniz gerekir. Bu zararlı kalite, öneri sistemleri için de geçerlidir. Puanlama işlevinin seçimi, öğelerin sıralamasını ve sonuç olarak önerilerin kalitesini önemli ölçüde etkileyebilir.

Örnek:

Her bir amacı kullanmanızdan sonra ne olacağını öğrenmek için artı simgelerini tıklayın.

Tıklama Oranını En Üst Düzeye Çıkar

Puanlama işlevi tıklamalar için optimize ediliyorsa sistemler, tıklama tuzağı videolar önerebilir. Bu puanlama işlevi tıklama oluşturur, ancak iyi bir kullanıcı deneyimi sunmaz. Kullanıcıların ilgi alanı hızlıca kaybolabilir.

İzlenme Süresini Artırın

Puanlama işlevi izlenme süresini optimize ediyorsa sistem, çok uzun videolar önerebilir. Bu durum da kötü bir kullanıcı deneyimine yol açabilir. Birden fazla kısa saatin tek bir uzun izlenme süresi kadar iyi olabileceğini unutmayın.

Çeşitliliği Artırın ve Oturum İzleme Süresini Artırın

Kullanıcının ilgisini canlı tutma olasılığı yüksek olan daha kısa videolar önerin.

Puanlamada Konumlandırmalı ön yargı

Ekranda daha aşağıda görünen öğelerin tıklanma olasılığı, ekranda daha yukarıda görünen öğelere göre daha azdır. Ancak videolar derecelendirirken sistem genellikle ekranda o videonun bağlantısının nerede görüneceğini bilmez. Mümkün olan tüm konumlarda modeli sorgulamak çok pahalıdır. Birden fazla konumu sorgulamak uygun olsa da sistem birden fazla sıralama puanında tutarlı bir sıralama bulamayabilir.

Çözümler

• Konumdan bağımsız sıralamalar oluşturun.
• Tüm adayları, ekrandaki en üst konumdaymış gibi sıralayın.