با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
توصیه ها چیست؟
YouTube چگونه می‌داند چه ویدیویی را می‌خواهید بعداً تماشا کنید؟ چگونه فروشگاه Google Play یک برنامه را فقط برای شما انتخاب می کند؟ شعبده بازي؟ نه، در هر دو مورد، یک مدل توصیه مبتنی بر ML تعیین می‌کند که ویدیوها و برنامه‌ها چقدر شبیه به چیزهای دیگری هستند که دوست دارید و سپس یک توصیه ارائه می‌دهد. معمولاً از دو نوع توصیه استفاده می شود:
توصیه های صفحه اصلی
توصیه های مورد مرتبط
توصیه های صفحه اصلی
توصیه های صفحه اصلی برای کاربر بر اساس علایق شناخته شده آنها شخصی سازی می شود. هر کاربر توصیه های متفاوتی را می بیند.
اگر به صفحه اصلی Google Play Apps بروید، ممکن است چیزی شبیه به این ببینید:
توصیه های مورد مرتبط
همانطور که از نام آن پیداست، موارد مرتبط توصیه هایی مشابه یک آیتم خاص هستند. در مثال برنامه‌های Google Play، کاربرانی که به صفحه‌ای برای برنامه ریاضی نگاه می‌کنند، ممکن است پنلی از برنامه‌های مرتبط، مانند سایر برنامه‌های ریاضی یا علمی را نیز ببینند.
چرا توصیه ها؟
یک سیستم توصیه به کاربران کمک می کند تا محتوای قانع کننده را در یک مجموعه بزرگ پیدا کنند. به عنوان مثال، فروشگاه Google Play میلیون ها برنامه را ارائه می دهد، در حالی که YouTube میلیاردها ویدیو را ارائه می دهد. هر روز برنامه ها و ویدیوهای بیشتری اضافه می شود. کاربران چگونه می توانند محتوای جدید و جذاب پیدا کنند؟ بله، می توان از جستجو برای دسترسی به محتوا استفاده کرد. با این حال، یک موتور توصیه می‌تواند مواردی را که کاربران فکر نمی‌کردند خودشان جستجو کنند را نمایش دهد.
تاریخ آخرین به‌روزرسانی 2024-07-27 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین به‌روزرسانی 2024-07-27 بهوقت ساعت هماهنگ جهانی."],[[["Recommendation models predict user preferences by analyzing similarities between items and past user interactions to suggest relevant content."],["Two common recommendation types are homepage recommendations (personalized to individual users) and related item recommendations (similar to a specific item being viewed)."],["Recommendation systems help users discover new and engaging content within vast collections like Google Play and YouTube, going beyond search functionality."],["Recommendations significantly influence user behavior, driving a substantial portion of app installs and video watch time on these platforms."]]],[]]
