ಯಂತ್ರ ಕಲಿಕೆ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಯಾಂಡೆಕ್ಸ್ ಸರ್ಚ್ ಎಂಜಿನ್ ಮುಂದಿನ ಬಳಕೆದಾರರ ಪ್ರಶ್ನೆಗಳನ್ನು ಊಹಿಸಲು ಕಲಿತಿದೆ. ಈಗ ಹುಡುಕಾಟವು ಉಪಯುಕ್ತ ಪ್ರಶ್ನೆಗಳನ್ನು ನೀಡುತ್ತದೆ, ಅದು ಬಳಕೆದಾರನು ಇನ್ನೂ ಯೋಚಿಸದಿರಬಹುದು.
ಪ್ರೆಡಿಕ್ಟಿವ್ ಪ್ರಶ್ನೆಗಳು ಇತರ ಸರ್ಚ್ ಎಂಜಿನ್ ವೈಶಿಷ್ಟ್ಯಗಳಿಂದ ಭಿನ್ನವಾಗಿರುತ್ತವೆ, ಅವುಗಳು ಅಂಕಿಅಂಶಗಳ ಆಧಾರದ ಮೇಲೆ ಹೆಚ್ಚು ಜನಪ್ರಿಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಸೂಚಿಸುವುದಿಲ್ಲ, ಆದರೆ ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಹೆಚ್ಚಾಗಿ ಕ್ಲಿಕ್ ಮಾಡುವ ಆ ಆಯ್ಕೆಗಳನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತವೆ. ಅಂತಹ ವಿನಂತಿಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು, ಹಿಂದಿನ ಅಧಿವೇಶನದ ಡೇಟಾವನ್ನು ಮತ್ತು ಎಲ್ಲಾ ಬಳಕೆದಾರರ ಸಾಮಾನ್ಯ ಹುಡುಕಾಟ ಇತಿಹಾಸವನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.
ಉದಾಹರಣೆಗೆ, ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಸ್ನೋಬೋರ್ಡ್ ಅನ್ನು ಎಲ್ಲಿ ಖರೀದಿಸಬೇಕು ಎಂದು ಹುಡುಕುತ್ತಿದ್ದರೆ, "ಎತ್ತರ ಮತ್ತು ತೂಕದ ಆಧಾರದ ಮೇಲೆ ಸ್ನೋಬೋರ್ಡ್ ಅನ್ನು ಹೇಗೆ ಆಯ್ಕೆ ಮಾಡುವುದು" ಎಂದು ಹುಡುಕಾಟವು ಸೂಚಿಸುತ್ತದೆ. ಮತ್ತು ಟ್ರೆಟ್ಯಾಕೋವ್ ಗ್ಯಾಲರಿಗೆ ಟಿಕೆಟ್ ಖರೀದಿಸಲು ಬಯಸುವವರಿಗೆ, "ಟ್ರೆಟ್ಯಾಕೋವ್ ಗ್ಯಾಲರಿಗೆ ಯಾವಾಗ ಉಚಿತವಾಗಿ ಹೋಗಬೇಕು" ಅಥವಾ "ಸರದಿಯಲ್ಲಿ ನಿಲ್ಲದೆ ಟ್ರೆಟ್ಯಾಕೋವ್ ಗ್ಯಾಲರಿಗೆ ಹೇಗೆ ಹೋಗುವುದು" ಎಂಬ ವಿನಂತಿಯನ್ನು ಸಿಸ್ಟಮ್ ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ.
ಸಂಭಾವ್ಯ ಆಸಕ್ತಿದಾಯಕ ಪ್ರಶ್ನೆಗಳ ಡೇಟಾಬೇಸ್ ಅನ್ನು ಹತ್ತಿರದ ನೆರೆಹೊರೆಯವರ (k-ಹತ್ತಿರದ ನೆರೆಹೊರೆಯವರು) ಹುಡುಕಾಟದ ಆಧಾರದ ಮೇಲೆ ಯಂತ್ರ ಕಲಿಕೆ ಅಲ್ಗಾರಿದಮ್ ಬಳಸಿ ಫಿಲ್ಟರ್ ಮಾಡಲಾಗುತ್ತದೆ. ಸಿಸ್ಟಮ್ ನಂತರ ನೂರಾರು ಸಂಭಾವ್ಯ ಆಯ್ಕೆಗಳಿಂದ ಬಳಕೆದಾರರು ಕ್ಲಿಕ್ ಮಾಡುವ ಸಾಧ್ಯತೆಯಿರುವ ಐದು ಜನಪ್ರಿಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ. ಬಳಕೆದಾರರ ಪ್ರತಿಕ್ರಿಯೆಯ ಆಧಾರದ ಮೇಲೆ ಸಿಸ್ಟಮ್ ಈ ಸಂಭವನೀಯತೆಯನ್ನು ಕಲಿಯುತ್ತದೆ - ಸಿಸ್ಟಮ್ ಈಗ ಚಾಲನೆಯಲ್ಲಿದೆ ಮತ್ತು ಶಿಫಾರಸುಗಳ ಗುಣಮಟ್ಟವನ್ನು ಸುಧಾರಿಸಲು ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಸಂಗ್ರಹಿಸುತ್ತಿದೆ.
ಅಭಿವರ್ಧಕರು ಗಮನಿಸಿದಂತೆ, ಇದು ಸರ್ಚ್ ಎಂಜಿನ್ ಮತ್ತು ಬಳಕೆದಾರರ ನಡುವಿನ ಹೊಸ ಮಟ್ಟದ ಪರಸ್ಪರ ಕ್ರಿಯೆಯಾಗಿದೆ, ಏಕೆಂದರೆ ಈ ರೀತಿಯಾಗಿ ಸಿಸ್ಟಮ್ ಮುದ್ರಣದೋಷಗಳನ್ನು ಸರಿಪಡಿಸುತ್ತದೆ ಮತ್ತು ಆಗಾಗ್ಗೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ, ಆದರೆ ವ್ಯಕ್ತಿಯ ಆಸಕ್ತಿಗಳನ್ನು ಊಹಿಸಲು ಕಲಿಯುತ್ತದೆ ಮತ್ತು ಅವನಿಗೆ ಹೊಸದನ್ನು ನೀಡುತ್ತದೆ.
ಮೂಲ: 3dnews.ru