Öneri sistemi
Mevcut ürün veya içerikler arasından özellikler ya da kullanım davranışına göre uygun adayları seçen veya sıralayan sistem.
Öneriler nasıl oluşur?
Öneri sistemi, mevcut içerik veya ürünlerden adaylar seçer ve bunları beklenen ilgililik düzeyine göre sıralayabilir. Ürün özellikleri, bilinen ilgi alanları veya geçmiş etkileşimler temel alınabilir. Öneriler kişiye özel olabilir ya da o anda incelenen ürüne dayanabilir. Amaç ve izin verilen adaylar belirlenmelidir: Benzerlik veya sık birlikte kullanım, bir öneriyi somut ihtiyaca tek başına uygun hale getirmez.
Kurgusal bir alet mağazasında D-28 matkabı için uygun aksesuarlar önerilecektir. Sık birlikte alınan ürünler arasında bağlantısı uygun olmayan aksesuarlar da bulunabilir. Bu nedenle seçim, doğrulanmış ürün özellikleriyle gerekli uyumluluğu sağlayanlarla sınırlandırılmalıdır. Ekip; uygun ve uygun olmayan aksesuarların yanı sıra eksik özellik verileriyle denemeler planlar. Sağlam bir uyumluluk dayanağı yoksa sunum, bağlantının kesin uyduğunu vaat etmemelidir. Değerlendirmede gerçekten uygun öneriler ve tespit edilen yanlış öneriler dikkate alınır; yalnızca tıklama sayısı uygunluğu göstermez.
Kaynaklar
İlgili terimler
- Makine öğrenmesiModellerin veriden örüntü öğrenip yeni girdilerde kullanması.
- Büyük dil modeliBüyük dil modeli, öğrendiği örüntülerle dili işler. Akıcı metin, bilginin doğruluğunu veya güncel şirket verisine erişimi kanıtlamaz.
- Dil modelinde tokenToken, dil modelinin işleme birimidir. Her zaman tam bir sözcüğe karşılık gelmez ve tasarım tokenından farklı anlam taşır.
- YZ çıkarımıSonuç almak için önceden eğitilmiş modeli girdilere uygulamak.
- LLM değerlendirmesiLLM değerlendirmesi, model sonuçlarını tanımlı görev ve ölçütlerle sınar. Başarılı tek örnek, genel kaliteyi kanıtlamaz.
- Model kartıModel kartı; bir yapay zekâ modelinin amacını, dayanaklarını, değerlendirme koşullarını ve bilinen sınırlarını belirli sürüm için belgeler.
Bu konudaki yazılar
ASES ile Yapay zekâ ve otomasyon
Yapay zekâ asistanları ve otomatik iş akışları