تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
تتألف إحدى البنى الشائعة لأنظمة التوصية من
المكونات التالية:
الجيل المرشّح
النقاط
إعادة ترتيب
إنشاء مرشحين
في هذه المرحلة الأولى، يبدأ النظام من مجموعة ضخمة
مجموعة فرعية أصغر بكثير من العناصر المرشحة. على سبيل المثال، المرشح
في YouTube ومليارات الفيديوهات لتصل إلى مئات أو آلاف الفيديوهات.
يحتاج النموذج إلى تقييم الاستعلامات بسرعة مع الأخذ في الاعتبار الحجم الهائل
المجموعة. وقد يوفر نموذج معين أدوات إنشاء مرشحة متعددة،
مجموعة فرعية مختلفة من المرشحين.
النقاط
بعد ذلك، يقوم نموذج آخر بتسجيل المرشحين وترتيبهم من أجل تحديد
مجموعة العناصر (بترتيب 10) لعرضها للمستخدم. نظرًا لأن ذلك
يقيّم النموذج مجموعة فرعية صغيرة نسبيًا من العناصر، فيمكن للنظام استخدام
نموذج أكثر دقة يعتمد على استعلامات إضافية.
إعادة الترتيب
وأخيرًا، ينبغي أن يأخذ النظام في الاعتبار قيودًا إضافية
الترتيب النهائي. على سبيل المثال، يزيل النظام العناصر التي قام المستخدم
لا يعجبني صراحةً أو يعزز نتيجة المحتوى الأحدث. إعادة الترتيب
يمكن أن يساعد أيضًا في ضمان التنوع والحداثة والإنصاف.
سنناقش كل مرحلة من هذه المراحل على مدار الفصل
قدِّم أمثلة من أنظمة اقتراحات مختلفة، مثل YouTube.
تاريخ التعديل الأخير: 2024-07-26 (حسب التوقيت العالمي المتفَّق عليه)
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],["تاريخ التعديل الأخير: 2024-07-26 (حسب التوقيت العالمي المتفَّق عليه)"],[[["Recommendation systems often use a three-stage architecture: candidate generation, scoring, and re-ranking."],["Candidate generation narrows down a large pool of potential recommendations to a smaller subset for further evaluation."],["Scoring assigns relevance scores to the candidates and ranks them to identify the top recommendations."],["Re-ranking adjusts the initial ranking to address additional factors like user preferences, diversity, and content freshness."]]],[]]
