التحقّق من فهمك
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
ما هي مزايا استخدام أنظمة الاقتراحات؟
يساعد استخدام محرّك الاقتراحات في تصفّح المحتوى بسهولة أكبر.
بالإضافة إلى ذلك، يساعد نظام الاقتراحات الرائع المستخدمين في العثور على محتوى لم
يتوقّعوا البحث عنه بمفردهم.
أنت تعتقد أنّه من الضروري رش تقنية ML على كل شيء.
قد يبدو الأمر كذلك، ولكن في الواقع، هناك أسباب أفضل
لاستخدام تعلُّم الآلة.
تريد توجيه المستخدمين إلى عناصر ترويجية
هذا ليس سببًا وجيهًا لاستخدام أي برنامج تعلُّم الآلة.
ما هي المكوّنات الأساسية لنظام الاقتراحات؟
إنشاء المرشحين ونتائجهم وإعادة ترتيبهم
ممتاز! هذه هي المكوّنات الأساسية الثلاثة لأي نظام اقتراحات.
التضمين ومقاييس التشابه والعرض
ترتبط هذه العناصر بأنظمة الاقتراحات، ولكنها ليست مكوّنات أساسية.
معامل المصفوفة وDNN وإعادة الترتيب
على الرغم من أن إعادة الترتيب هي أحد المكوّنات، فإن عوامل المصفوفة وDNN هي أنواع من أدوات إنشاء الفلاتر.
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2024-07-26 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2024-07-26 (حسب التوقيت العالمي المتفَّق عليه)"],[[["\u003cp\u003eRecommendation systems enhance content browsing and help users discover new items.\u003c/p\u003e\n"],["\u003cp\u003eRecommender systems are built with three primary components: candidate generation, scoring, and re-ranking.\u003c/p\u003e\n"],["\u003cp\u003eWhile machine learning is often associated with recommendation systems, using it solely to promote sponsored items is not recommended.\u003c/p\u003e\n"]]],[],null,["# Check your understanding\n\n\u003cbr /\u003e\n\nWhy would you use recommendation systems? \nHaving a recommendation engine makes browsing content easier. \nPlus, a great recommendation system helps users find things they wouldn't have thought to look for on their own. \nYou think you have to sprinkle ML on everything. \nIt might seem that way, but in reality, there are much better reasons to use ML. \nYou want to direct users to sponsored items. \nYikes, this is not a great reason to use any ML solution. \nWhat are the primary components of a recommender system? \ncandidate generation, scoring, and re-ranking \nNicely done! These are the three primary components of any recommendation system. \nembedding, similarity metrics, and serving \nThese elements are related to recommendation systems, but they are not primary components. \nmatrix factorization, DNN, and reranking \nWhile re-ranking is a component, matrix factorization and DNN are types of candidate generators."]]
