स्कोरिंग

कोई उम्मीदवार, इमेज बनाने के बाद कोई दूसरा मॉडल स्कोर करता है और दिखने वाली आइटम की रैंकिंग तय करता है. सुझाव के लिए सिस्टम में कई उम्मीदवार जनरेटर हो सकते हैं, जो अलग-अलग स्रोतों का इस्तेमाल करते हैं, जैसे कि:

उदाहरण

• किसी मैट्रिक्स फ़ैक्टर मॉडल से मिलते-जुलते आइटम.
• मनमुताबिक बनाने की सुविधा देने वाली उपयोगकर्ता सुविधाएं.
• "Local" बनाम "distant" आइटम; जिसमें भौगोलिक जानकारी को ध्यान में रखा जाता है.
• लोकप्रिय या रुझान में चल रहे आइटम.
• एक सामाजिक ग्राफ़; यानी वे आइटम जिन्हें दोस्तों ने पसंद किया या जिनका सुझाव दिया था.

सिस्टम इन अलग-अलग स्रोतों को कैंडिडेट के सामान्य पूल में मिलाता है, जिन्हें बाद में एक मॉडल से स्कोर किया जाता है और उस स्कोर के हिसाब से रैंक किया जाता है. उदाहरण के लिए, सिस्टम किसी उपयोगकर्ता को YouTube पर वीडियो देखने की संभावना का अनुमान लगाने के लिए, मॉडल को ट्रेनिंग दे सकता है:

• क्वेरी की सुविधाएं (जैसे कि उपयोगकर्ता के वीडियो देखने का इतिहास, भाषा, देश, समय)
• वीडियो सुविधाएं (उदाहरण के लिए, शीर्षक, टैग, वीडियो एम्बेड करना)

इसके बाद, सिस्टम मॉडल के अनुमान के मुताबिक, वीडियो को उम्मीदवारों के पूल में रैंक कर सकता है.

कैंडिडेट जनरेटर का स्कोर क्यों नहीं बढ़ने दें?

उम्मीदवार जनरेट करने के लिए स्कोर की गिनती करते हैं (जैसे कि एम्बेड करने की जगह में समानता का आकलन), इसलिए हो सकता है कि आप उनका इस्तेमाल रैंकिंग बढ़ाने के लिए करना चाहें. हालांकि, आपको इन वजहों से ऐसा नहीं करना चाहिए:

• कुछ सिस्टम, उम्मीदवारों के कई जनरेटर पर निर्भर होते हैं. हो सकता है कि इन अलग-अलग जनरेटर के स्कोर की तुलना न की जा सके.
• उम्मीदवारों का छोटा पूल होने पर, सिस्टम ज़्यादा सुविधाओं और ज़्यादा जटिल मॉडल का इस्तेमाल कर सकता है जो संदर्भ कैप्चर करने के लिए बेहतर हो सकते हैं.

स्कोरिंग के लिए, कोई ऑब्जेक्टिव फ़ंक्शन चुनना

जैसा कि आपको याद है कि एमएल समस्या से जुड़ी जानकारी दिखाना: एमएल को किसी बुरे व्यवहार से जुड़ी जीनी की तरह काम करना पड़ सकता है. यह देखकर आपको बहुत खुशी होगी, लेकिन आपको इस बात का ध्यान रखना होगा कि आपको क्या चाहिए. यह शरारती क्वालिटी, सुझाव देने वाले सिस्टम पर भी लागू होती है. स्कोरिंग फ़ंक्शन चुनने का विकल्प चुनने से, सामान की रैंकिंग और सुझावों की क्वालिटी पर काफ़ी असर पड़ सकता है.

उदाहरण के लिए:

प्लस आइकॉन पर क्लिक करके जानें कि हर मकसद के लिए क्या होता है.

क्लिक दर बढ़ाएं

अगर स्कोरिंग फ़ंक्शन क्लिक के लिए ऑप्टिमाइज़ होता है, तो सिस्टम क्लिक-बेट वीडियो का सुझाव दे सकते हैं. स्कोरिंग फ़ंक्शन से क्लिक जनरेट होते हैं, लेकिन अच्छा उपयोगकर्ता अनुभव नहीं मिलता है. उपयोगकर्ता की दिलचस्पी तेज़ी से कम हो सकती है.

देखने का कुल समय बढ़ाएं

अगर स्कोरिंग फ़ंक्शन देखने के कुल समय को ऑप्टिमाइज़ करता है, तो सिस्टम बहुत लंबे वीडियो का सुझाव दे सकता है, जिससे उपयोगकर्ता का अनुभव खराब हो सकता है. ध्यान रखें कि एक से ज़्यादा छोटी स्मार्टवॉच, एक लंबी स्मार्टवॉच के बराबर हो सकती हैं.

विविधता बढ़ाएं और सत्र को देखे जाने का कुल समय बढ़ाएं

छोटे वीडियो का सुझाव दें, लेकिन ऐसे वीडियो जिनमें उपयोगकर्ता की दिलचस्पी ज़्यादा हो.

स्कोरिंग में पोज़िशनल बायस

स्क्रीन पर नीचे दिखाई देने वाले आइटम की तुलना में स्क्रीन पर नीचे दिखाई देने वाले आइटम पर क्लिक किए जाने की संभावना कम होती है. हालांकि, वीडियो स्कोर करते समय, सिस्टम को आम तौर पर यह पता नहीं चलता कि स्क्रीन पर उस वीडियो का लिंक कहां दिखेगा. मॉडल को सभी संभावित स्थितियों में क्वेरी करना बहुत महंगा है. भले ही, एक से ज़्यादा रैंकिंग वाली क्वेरी की जा सकती हों, लेकिन हो सकता है कि सिस्टम को अब भी रैंकिंग के एक से ज़्यादा स्कोर के लिए एक जैसी रैंकिंग न मिले.

समाधान

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