एम्बेड करने की सुविधा, तुलना के लिहाज़ से कम डाइमेंशन वाली जगह होती है. यहां आप ज़्यादा डाइमेंशन वाले वेक्टर का अनुवाद कर सकते हैं. एम्बेड करने से, मशीन पर बड़े अक्षरों में लिखे शब्दों को समझने में आसानी होती है. जैसे, पार्स करने वाले वेक्टर का इस्तेमाल करना. आम तौर पर, एम्बेड किया गया कॉन्टेंट, एम्बेड किए गए स्पेस में सिमेंटिक तौर पर मिलते-जुलते इनपुट को एक साथ रखकर, इनपुट के कुछ सिमेंटिक को कैप्चर करता है. एम्बेडिंग को सीखा जा सकता है और उसे सभी मॉडल में फिर से इस्तेमाल किया जा सकता है.
एम्बेडिंग
सहयोगी फ़िल्टर करने की वजह से प्रेरणा
- इनपुट: 10,00,000 ऐसी फ़िल्में जिन्हें 5,00,000 उपयोगकर्ताओं ने देखना चुना
- टास्क: उपयोगकर्ताओं को फ़िल्मों का सुझाव दें
इस समस्या को हल करने के लिए कुछ तरीकों की ज़रूरत पड़ती है. इनसे पता चलता है कि कौनसी फ़िल्में एक-दूसरे से मिलती-जुलती हैं.
समानता के आधार पर फ़िल्में व्यवस्थित करना (1d)
समानताएं (2d) के हिसाब से फ़िल्में व्यवस्थित करना
दो-डाइमेंशन वाली एम्बेडिंग
दो-डाइमेंशन वाली एम्बेडिंग
d-डाइमेंशन वाले एम्बेडिंग
- यह मानते हुए कि मूवी में उपयोगकर्ता की रुचि d पहलुओं से समझ में आ सकती है
- हर फ़िल्म एक d-डाइमेंशन पॉइंट बन जाती है, जहां डाइमेंशन d में वैल्यू से पता चलता है कि मूवी उस पहलू के लिए कितनी फ़िट हो सकती है
- डेटा से एम्बेड करना सीखा जा सकता है
डीप नेटवर्क में एम्बेडिंग सीखना
- ट्रेनिंग के लिए किसी अलग प्रोसेस की ज़रूरत नहीं है -- एम्बेड करने की लेयर, सिर्फ़ एक छिपी हुई लेयर के साथ होती है, जिसमें हर डाइमेंशन के लिए एक यूनिट होती है
- निगरानी में रखी गई जानकारी (उदाहरण के लिए, उपयोगकर्ताओं ने वही दो फ़िल्में देखी) अपनी पसंद के टास्क के लिए, एम्बेड किए गए एम्बेडिंग को तैयार करती हैं
- आसानी से छिपी हुई यूनिट से यह पता चलता है कि आइटम को डी-डाइमेंशन वाले स्पेस में किस तरह व्यवस्थित किया जाए, ताकि वे असली मकसद को ऑप्टिमाइज़ कर सकें
इनपुट का प्रतिनिधित्व
- हर उदाहरण (इस मैट्रिक्स में एक पंक्ति) उन सुविधाओं (फ़िल्मों) का कम हिस्सा है जिन्हें उपयोगकर्ता ने देखा है
- इस उदाहरण का घना उदाहरण: (0, 1, 0, 1, 0, 0, 0, 1)
जगह और समय के हिसाब से कम असरदार है.
इनपुट का प्रतिनिधित्व
- हर सुविधा के लिए 0, ..., # मूवी - 1 से कोई पूर्णांक बनाने के लिए शब्दकोश बनाएं
- सिर्फ़ उन फ़िल्मों की तरह, कम इस्तेमाल होने वाले वेक्टर को बेहतर तरीके से दिखाया जाता है जिन्हें उपयोगकर्ता ने देखा है. इसे इस तरह दिखाया जा सकता है:
डीप नेटवर्क में एम्बेड करने की लेयर
घर बिक्री की कीमतों का अनुमान लगाने के लिए रिग्रेशन से जुड़ी समस्या:
डीप नेटवर्क में एम्बेड करने की लेयर
घर बिक्री की कीमतों का अनुमान लगाने के लिए रिग्रेशन से जुड़ी समस्या:
डीप नेटवर्क में एम्बेड करने की लेयर
घर बिक्री की कीमतों का अनुमान लगाने के लिए रिग्रेशन से जुड़ी समस्या:
डीप नेटवर्क में एम्बेड करने की लेयर
घर बिक्री की कीमतों का अनुमान लगाने के लिए रिग्रेशन से जुड़ी समस्या:
डीप नेटवर्क में एम्बेड करने की लेयर
घर बिक्री की कीमतों का अनुमान लगाने के लिए रिग्रेशन से जुड़ी समस्या:
डीप नेटवर्क में एम्बेड करने की लेयर
घर बिक्री की कीमतों का अनुमान लगाने के लिए रिग्रेशन से जुड़ी समस्या:
डीप नेटवर्क में एम्बेड करने की लेयर
हाथ से लिखे गए अंक का अनुमान लगाने के लिए मल्टीक्लास क्लासिफ़िकेशन:
डीप नेटवर्क में एम्बेड करने की लेयर
हाथ से लिखे गए अंक का अनुमान लगाने के लिए मल्टीक्लास क्लासिफ़िकेशन:
डीप नेटवर्क में एम्बेड करने की लेयर
हाथ से लिखे गए अंक का अनुमान लगाने के लिए मल्टीक्लास क्लासिफ़िकेशन:
डीप नेटवर्क में एम्बेड करने की लेयर
हाथ से लिखे गए अंक का अनुमान लगाने के लिए मल्टीक्लास क्लासिफ़िकेशन:
डीप नेटवर्क में एम्बेड करने की लेयर
हाथ से लिखे गए अंक का अनुमान लगाने के लिए मल्टीक्लास क्लासिफ़िकेशन:
डीप नेटवर्क में एम्बेड करने की लेयर
हाथ से लिखे गए अंक का अनुमान लगाने के लिए मल्टीक्लास क्लासिफ़िकेशन:
डीप नेटवर्क में एम्बेड करने की लेयर
हाथ से लिखे गए अंक का अनुमान लगाने के लिए मल्टीक्लास क्लासिफ़िकेशन:
डीप नेटवर्क में एम्बेड करने की लेयर
फ़िल्मों का सुझाव देने के लिए, सहयोगी फ़िल्टर करना:
डीप नेटवर्क में एम्बेड करने की लेयर
फ़िल्मों का सुझाव देने के लिए, सहयोगी फ़िल्टर करना:
डीप नेटवर्क में एम्बेड करने की लेयर
फ़िल्मों का सुझाव देने के लिए, सहयोगी फ़िल्टर करना:
डीप नेटवर्क में एम्बेड करने की लेयर
फ़िल्मों का सुझाव देने के लिए, सहयोगी फ़िल्टर करना:
डीप नेटवर्क में एम्बेड करने की लेयर
फ़िल्मों का सुझाव देने के लिए, सहयोगी फ़िल्टर करना:
डीप नेटवर्क में एम्बेड करने की लेयर
फ़िल्मों का सुझाव देने के लिए, सहयोगी फ़िल्टर करना:
डीप नेटवर्क में एम्बेड करने की लेयर
फ़िल्मों का सुझाव देने के लिए, सहयोगी फ़िल्टर करना:
ज्यामितीय दृश्य से संपर्क
डीप नेटवर्क
- हर छिपी हुई इकाई एक आयाम (बाद में सुविधा) से संबंधित होती है
- किसी मूवी और छिपाई गई लेयर के बीच किनारे का वज़न, निर्देशांक के मान होते हैं
एक फ़िल्म के एम्बेड किए गए ज्यामितीय व्यू
एम्बेडिंग की कम से कम संख्या को कम करने का विकल्प चुनना
- ज़्यादा डाइमेंशन वाले एम्बेडिंग से इनपुट वैल्यू के बीच के संबंधों को ज़्यादा सटीक तरीके से दिखाया जा सकता है
- हालांकि, ज़्यादा डाइमेंशन होने पर, ज़्यादा फ़िट होने की संभावना बढ़ जाती है और ट्रेनिंग धीमी हो जाती है
- पहले से लागू नियम का पालन करें (शुरुआत करने के लिए यह सही है, लेकिन पुष्टि करने वाले डेटा का इस्तेमाल करके इसे ट्यून करना होगा): $$ dimensions \approx \sqrt[4]{possible\;values} $$
टूल के तौर पर एम्बेड करना
- मैप आइटम (उदाहरण के लिए, फ़िल्में, टेक्स्ट......) को कम डाइमेंशन वाले रीयल वेक्टर में एम्बेड करना, जैसे कि एक-दूसरे से मिलते-जुलते आइटम
- एम्बेड किए गए एम्बेड डेटा को भी घनी डेटा (उदाहरण के लिए, ऑडियो) के लिए लागू किया जा सकता है, ताकि एक जैसी समानता वाली मेट्रिक बनाई जा सके
- अलग-अलग तरह के डेटा (जैसे कि टेक्स्ट, इमेज, ऑडियो, ...) को एक साथ जोड़ना, इनके बीच समानता को तय करता है