التضمين هو مساحة ذات أبعاد منخفضة نسبيًا حيث يمكنك ترجمة متّجهات عالية الأبعاد. تسهّل التضمينات تعلُّم الآلة على المدخلات الكبيرة، مثل المتّجهة المتفرقة التي تمثّل الكلمات. ومن الناحية المثالية، تسجِّل التضمين بعض دلالات الإدخال من خلال وضع المدخلات المتشابهة دلاليًا بالقرب من بعضها في مساحة التضمين. يمكن تعلّم التضمين وإعادة استخدامه في جميع الطُرز.
التضمينات
تحفيز من الفلترة التعاونية
- الإدخال: 1000000 فيلم اختار 500000 مستخدم مشاهدتها
- المَهمة: اقتراح الأفلام على المستخدمين
لحل هذه المشكلة، نحتاج إلى طريقة لتحديد الأفلام المتشابهة.
تنظيم الأفلام حسب التشابه (1 يوم)
تنظيم الأفلام حسب التشابه (2 يوم)
تضمين ثنائي الأبعاد
تضمين ثنائي الأبعاد
تضمينات بأبعاد
- تفترض مدى إمكانية اهتمام المستخدمين بالأفلام بشكل تقريبي من خلال الجوانب
- يصبح كل فيلم نقطة ذات أبعاد مختلفة، حيث تشير القيمة في البُعد د إلى مدى ملاءمة الفيلم لذلك الجانب.
- يمكن التعرّف على التضمينات من البيانات.
تضمين التضمينات في شبكة عميقة
- لا حاجة إلى عملية تدريب منفصلة، فطبقة التضمين هي طبقة مخفية تحتوي على وحدة واحدة لكل بُعد
- تعمل المعلومات الخاضعة للإشراف (مثلاً، المستخدمون الذين شاهدوا الفيلم نفسه) على تخصيص التضمينات التي تم تعلّمها للمهمة المطلوبة.
- تحدّد الوحدات المخفية بشكلٍ بديهي كيفية تنظيم العناصر في مساحة المكوّن الأبعاد بطريقة لتحسين الهدف النهائي على أفضل نحو.
تمثيل الإدخال
- كل مثال (صف في هذه المصفوفة) هو متّجه منخفض (الميزات) التي شاهدها المستخدم.
- تمثيل كثيف لهذا المثال على النحو التالي: (0, 1, 0, 1, 0, 0, 0, 1)
لا يُعدّ فعّالاً من حيث المساحة والوقت.
تمثيل الإدخال
- إنشاء قاموس تعيين كل ميزة إلى عدد صحيح من 0، ...، # فيلم - 1
- تمثيل المتّجه قليلًا بكفاءة باعتباره فقط الأفلام التي شاهدها المستخدم. ويمكن تمثيل ذلك على النحو التالي:
طبقة تضمين في شبكة عميقة
مشكلة التراجع في توقّع أسعار المبيعات في المنزل:
طبقة تضمين في شبكة عميقة
مشكلة التراجع في توقّع أسعار المبيعات في المنزل:
طبقة تضمين في شبكة عميقة
مشكلة التراجع في توقّع أسعار المبيعات في المنزل:
طبقة تضمين في شبكة عميقة
مشكلة التراجع في توقّع أسعار المبيعات في المنزل:
طبقة تضمين في شبكة عميقة
مشكلة التراجع في توقّع أسعار المبيعات في المنزل:
طبقة تضمين في شبكة عميقة
مشكلة التراجع في توقّع أسعار المبيعات في المنزل:
طبقة تضمين في شبكة عميقة
تصنيف متعدد الطبقات لتوقّع رقم بخط اليد:
طبقة تضمين في شبكة عميقة
تصنيف متعدد الطبقات لتوقّع رقم بخط اليد:
طبقة تضمين في شبكة عميقة
تصنيف متعدد الطبقات لتوقّع رقم بخط اليد:
طبقة تضمين في شبكة عميقة
تصنيف متعدد الطبقات لتوقّع رقم بخط اليد:
طبقة تضمين في شبكة عميقة
تصنيف متعدد الطبقات لتوقّع رقم بخط اليد:
طبقة تضمين في شبكة عميقة
تصنيف متعدد الطبقات لتوقّع رقم بخط اليد:
طبقة تضمين في شبكة عميقة
تصنيف متعدد الطبقات لتوقّع رقم بخط اليد:
طبقة تضمين في شبكة عميقة
الفلترة التعاونية لتوقّع الأفلام المقترَحة:
طبقة تضمين في شبكة عميقة
الفلترة التعاونية لتوقّع الأفلام المقترَحة:
طبقة تضمين في شبكة عميقة
الفلترة التعاونية لتوقّع الأفلام المقترَحة:
طبقة تضمين في شبكة عميقة
الفلترة التعاونية لتوقّع الأفلام المقترَحة:
طبقة تضمين في شبكة عميقة
الفلترة التعاونية لتوقّع الأفلام المقترَحة:
طبقة تضمين في شبكة عميقة
الفلترة التعاونية لتوقّع الأفلام المقترَحة:
طبقة تضمين في شبكة عميقة
الفلترة التعاونية لتوقّع الأفلام المقترَحة:
المراسلة مع العرض الهندسي
الشبكة الإعلانية
- تتوافق كل وحدة من الوحدات المخفية مع أحد الأبعاد (ميزة حالية)
- قيم ترجيح الحافة بين فيلم وطبقة مخفية هي قيم الإحداثيات
عرض هندسي لتضمين فيلم واحد
اختيار عدد تعتيمات التضمينات
- يمكن أن تمثل التضمينات ذات الأبعاد الأعلى العلاقات بين قيم الإدخال بدقة أكبر.
- مع زيادة الأبعاد، تزيد فرصة الاحتواء بشكل زائد وتدريب أبطأ
- القاعدة التجريبية لضباط التثبيت (نقطة بداية جيدة، ولكن يجب ضبطها باستخدام بيانات التحقّق): $$ dimensions \approx \sqrt[4]{possible\;values} $$
عمليات التضمين كأداة
- يتم تضمين العناصر في الخريطة (مثل الأفلام، النص،...) إلى متّجهة حقيقية ذات أبعاد منخفضة بطريقة تجعل العناصر المشابهة متقاربة من بعضها البعض
- يمكن أيضًا تطبيق التضمينات على البيانات الكثيفة (مثل الصوت) لإنشاء مقياس تشابه مهم
- تضمين أنواع مختلفة من البيانات بشكلٍ مشترك (مثل النصوص والصور والملفات الصوتية وغيرها) يحدّد التشابه بينها