การให้คะแนน

หลังจากการสร้างผู้สมัคร โมเดลอื่นจะให้คะแนนและจัดอันดับผู้สมัครที่สร้างขึ้นเพื่อเลือกชุดรายการที่จะแสดง ระบบการแนะนําอาจมีเครื่องมือสร้างที่หลากหลายที่ใช้แหล่งที่มาต่างกัน เช่น

ตัวอย่าง

• รายการที่เกี่ยวข้องจากโมเดลการแยกตัวประกอบเมทริกซ์
• ฟีเจอร์ผู้ใช้ที่คํานึงถึงการปรับเปลี่ยนในแบบของคุณ
• "Local" เทียบกับ "dantant" รายการ กล่าวคือ พิจารณาข้อมูลทางภูมิศาสตร์
• รายการยอดนิยมหรือมาแรง
• กราฟโซเชียล นั่นคือรายการที่เพื่อนชอบหรือแนะนํา

ระบบจะรวมแหล่งข้อมูลต่างๆ เหล่านี้ไว้เป็นกลุ่มตัวเลือกร่วมกัน ซึ่งจะใช้คะแนนจากโมเดลเดียวและจัดอันดับตามคะแนนดังกล่าว ตัวอย่างเช่น ระบบจะฝึกโมเดลให้คาดการณ์แนวโน้มของผู้ใช้ที่ดูวิดีโอบน YouTube ได้ในกรณีต่อไปนี้

• ฟีเจอร์การค้นหา (เช่น ประวัติการดู ภาษา ประเทศ เวลา)
• ฟีเจอร์วิดีโอ (เช่น ชื่อ แท็ก การฝังวิดีโอ)

จากนั้นระบบจะจัดอันดับวิดีโอในกลุ่มตัวเลือกตามการคาดการณ์ของโมเดลได้

ทําไมไม่ให้คะแนนของผู้สมัคร

เนื่องจากโปรแกรมประเมินผู้สมัครจะคํานวณคะแนน (เช่น การวัดความคล้ายคลึงกันในพื้นที่แบบฝัง) คุณจึงอาจอยากใช้อันดับเหล่านี้ด้วยการจัดอันดับ แต่คุณควรหลีกเลี่ยงการดําเนินการนี้ด้วยสาเหตุต่อไปนี้

• บางระบบอาศัยโปรแกรมสร้างตัวเลือกที่หลากหลาย คะแนนของโปรแกรมสร้างเหล่านี้ อาจนํามาเปรียบเทียบกันไม่ได้
• เมื่อมีกลุ่มผู้สมัครน้อยลง ระบบก็อาจสามารถใช้ฟีเจอร์ได้มากขึ้นและโมเดลที่ซับซ้อนมากขึ้นซึ่งอาจให้บริบทที่ดีกว่า

การเลือกฟังก์ชันวัตถุประสงค์สําหรับการให้คะแนน

คุณอาจจําได้ว่าจากบทนําเรื่องกรอบความคิดปัญหา ML ML อาจทําตัวเหมือนด้อยกว่า การเรียนรู้การเรียนรู้ที่คุณให้นั้นเป็นเรื่องที่ทําได้ แต่คุณจะต้องระมัดระวังตัวเองในเรื่องที่ต้องการ คุณภาพที่ไม่ดีนี้ยังมีผลกับระบบการแนะนําวิดีโอด้วย การเลือกฟังก์ชันการให้คะแนนอาจส่งผลต่อการจัดอันดับรายการอย่างมาก และส่งผลต่อคุณภาพของคําแนะนําในที่สุด

ตัวอย่าง

คลิกไอคอนบวกเพื่อดูสิ่งที่จะเกิดขึ้นจากการใช้แต่ละวัตถุประสงค์

เพิ่มอัตราการคลิกให้สูงสุด

หากฟังก์ชันการให้คะแนนเพิ่มประสิทธิภาพเพื่อการคลิก ระบบอาจแนะนําวิดีโอคลิกเบต ฟังก์ชันการให้คะแนนนี้ทําให้เกิดการคลิก แต่ไม่สร้างประสบการณ์ที่ดีให้แก่ผู้ใช้ ผู้ใช้อาจเลิกสนใจได้อย่างรวดเร็ว

เพิ่มเวลาในการรับชมสูงสุด

หากฟังก์ชันการให้คะแนนเพิ่มประสิทธิภาพสําหรับเวลาในการรับชม ระบบอาจแนะนําวิดีโอที่ยาวมาก ซึ่งอาจทําให้ผู้ใช้ได้รับประสบการณ์การใช้งานที่ไม่ดี โปรดทราบว่านาฬิกาขนาดสั้นหลายเรือนอาจมีคุณภาพดีเช่นเดียวกับนาฬิกาแบบยาว 1 เรือน

เพิ่มความหลากหลายและเพิ่มเวลาในการรับชมเซสชันให้สูงสุด

แนะนําวิดีโอสั้นๆ แต่ควรเป็นวิดีโอที่มีแนวโน้มให้ผู้ใช้มีส่วนร่วมมากขึ้น

การให้น้ําหนักตําแหน่งในการให้คะแนน

รายการที่มีระดับต่ํากว่าบนหน้าจอมีแนวโน้มที่จะคลิกน้อยกว่ารายการที่แสดงบนหน้าจออยู่สูงกว่า อย่างไรก็ตาม ขณะทําการให้คะแนน ระบบมักจะไม่รู้ว่าลิงก์ลิงก์ไปยังวิดีโอนั้นปรากฏขึ้นเมื่อใด การค้นหาโมเดลด้วยตําแหน่งที่เป็นไปได้ทั้งหมดมีราคาแพงเกินไป แม้ว่าการค้นหาหลายตําแหน่งจะทําได้ แต่ระบบก็อาจไม่พบอันดับที่สอดคล้องกันในคะแนนการจัดอันดับหลายรายการ

เทคโนโลยี

• สร้างการจัดอันดับที่ไม่ขึ้นอยู่กับตําแหน่ง
• จัดอันดับผู้สมัครทั้งหมดเสมือนว่าอยู่ในตําแหน่งบนสุดของหน้าจอ