ਅਸੀਂ ਸਿਫ਼ਾਰਸ਼ਾਂ ਦੀ ਚੋਣ ਦੀ ਗੁਣਵੱਤਾ ਅਤੇ ਗਤੀ 'ਤੇ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਾਂ

ਮੇਰਾ ਨਾਮ Pavel Parkhomenko ਹੈ, ਮੈਂ ਇੱਕ ML ਡਿਵੈਲਪਰ ਹਾਂ। ਇਸ ਲੇਖ ਵਿਚ, ਮੈਂ Yandex.Zen ਸੇਵਾ ਦੇ ਢਾਂਚੇ ਬਾਰੇ ਗੱਲ ਕਰਨਾ ਚਾਹਾਂਗਾ ਅਤੇ ਤਕਨੀਕੀ ਸੁਧਾਰਾਂ ਨੂੰ ਸਾਂਝਾ ਕਰਨਾ ਚਾਹਾਂਗਾ, ਜਿਸ ਦੇ ਲਾਗੂ ਹੋਣ ਨਾਲ ਸਿਫ਼ਾਰਸ਼ਾਂ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਵਧਾਉਣਾ ਸੰਭਵ ਹੋ ਗਿਆ ਹੈ. ਇਸ ਪੋਸਟ ਤੋਂ ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਸਿਰਫ਼ ਕੁਝ ਮਿਲੀਸਕਿੰਟਾਂ ਵਿੱਚ ਲੱਖਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚੋਂ ਉਪਭੋਗਤਾ ਲਈ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਨੂੰ ਕਿਵੇਂ ਲੱਭਣਾ ਹੈ; ਇੱਕ ਵੱਡੇ ਮੈਟ੍ਰਿਕਸ (ਲੱਖਾਂ ਕਾਲਮਾਂ ਅਤੇ ਲੱਖਾਂ ਕਤਾਰਾਂ ਵਾਲੇ) ਦਾ ਨਿਰੰਤਰ ਵਿਘਨ ਕਿਵੇਂ ਕਰਨਾ ਹੈ ਤਾਂ ਜੋ ਨਵੇਂ ਦਸਤਾਵੇਜ਼ ਦਸਾਂ ਮਿੰਟਾਂ ਵਿੱਚ ਆਪਣਾ ਵੈਕਟਰ ਪ੍ਰਾਪਤ ਕਰ ਸਕਣ; ਵੀਡੀਓ ਲਈ ਵਧੀਆ ਵੈਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਉਪਭੋਗਤਾ-ਲੇਖ ਮੈਟਰਿਕਸ ਸੜਨ ਦੀ ਮੁੜ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰੀਏ।

ਸਾਡੇ ਸਿਫਾਰਿਸ਼ ਡੇਟਾਬੇਸ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ ਦੇ ਲੱਖਾਂ ਦਸਤਾਵੇਜ਼ ਸ਼ਾਮਲ ਹਨ: ਸਾਡੇ ਪਲੇਟਫਾਰਮ 'ਤੇ ਬਣਾਏ ਗਏ ਟੈਕਸਟ ਲੇਖ ਅਤੇ ਬਾਹਰੀ ਸਾਈਟਾਂ, ਵੀਡੀਓ, ਬਿਰਤਾਂਤ ਅਤੇ ਛੋਟੀਆਂ ਪੋਸਟਾਂ ਤੋਂ ਲਏ ਗਏ ਹਨ। ਅਜਿਹੀ ਸੇਵਾ ਦਾ ਵਿਕਾਸ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਤਕਨੀਕੀ ਚੁਣੌਤੀਆਂ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ। ਇੱਥੇ ਉਹਨਾਂ ਵਿੱਚੋਂ ਕੁਝ ਹਨ:

• ਕੰਪਿਊਟਿੰਗ ਕਾਰਜਾਂ ਨੂੰ ਵੰਡੋ: ਸਾਰੇ ਭਾਰੀ ਓਪਰੇਸ਼ਨ ਔਫਲਾਈਨ ਕਰੋ, ਅਤੇ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਸਿਰਫ 100-200 ms ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੋਣ ਲਈ ਮਾਡਲਾਂ ਦੀ ਤੁਰੰਤ ਵਰਤੋਂ ਕਰੋ।
• ਉਪਭੋਗਤਾ ਦੀਆਂ ਕਾਰਵਾਈਆਂ ਨੂੰ ਤੁਰੰਤ ਧਿਆਨ ਵਿੱਚ ਰੱਖੋ। ਅਜਿਹਾ ਕਰਨ ਲਈ, ਇਹ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਸਾਰੀਆਂ ਇਵੈਂਟਾਂ ਤੁਰੰਤ ਸਿਫਾਰਸ਼ਕਰਤਾ ਨੂੰ ਦਿੱਤੀਆਂ ਜਾਣ ਅਤੇ ਮਾਡਲਾਂ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਨ.
• ਫੀਡ ਬਣਾਓ ਤਾਂ ਜੋ ਨਵੇਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਇਹ ਉਹਨਾਂ ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਨੁਕੂਲ ਬਣਾ ਸਕੇ। ਜਿਹੜੇ ਲੋਕ ਹੁਣੇ ਸਿਸਟਮ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਏ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਇਹ ਮਹਿਸੂਸ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਉਹਨਾਂ ਦਾ ਫੀਡਬੈਕ ਸਿਫ਼ਾਰਸ਼ਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ।
• ਜਲਦੀ ਸਮਝੋ ਕਿ ਕਿਸ ਨੂੰ ਨਵੇਂ ਲੇਖ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਨੀ ਹੈ।
• ਨਵੀਂ ਸਮੱਗਰੀ ਦੇ ਨਿਰੰਤਰ ਉਭਰਨ ਲਈ ਤੇਜ਼ੀ ਨਾਲ ਜਵਾਬ ਦਿਓ। ਹਰ ਰੋਜ਼ ਹਜ਼ਾਰਾਂ ਲੇਖ ਪ੍ਰਕਾਸ਼ਿਤ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਉਨ੍ਹਾਂ ਵਿੱਚੋਂ ਬਹੁਤਿਆਂ ਦੀ ਉਮਰ ਸੀਮਤ ਹੁੰਦੀ ਹੈ (ਕਹੋ, ਖ਼ਬਰਾਂ)। ਇਹ ਉਹ ਚੀਜ਼ ਹੈ ਜੋ ਉਹਨਾਂ ਨੂੰ ਫਿਲਮਾਂ, ਸੰਗੀਤ ਅਤੇ ਹੋਰ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਚੱਲਣ ਵਾਲੀ ਅਤੇ ਮਹਿੰਗੀ ਸਮੱਗਰੀ ਬਣਾਉਣ ਤੋਂ ਵੱਖ ਕਰਦੀ ਹੈ।
• ਇੱਕ ਡੋਮੇਨ ਖੇਤਰ ਤੋਂ ਦੂਜੇ ਵਿੱਚ ਗਿਆਨ ਟ੍ਰਾਂਸਫਰ ਕਰੋ। ਜੇ ਇੱਕ ਸਿਫ਼ਾਰਿਸ਼ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਟੈਕਸਟ ਲੇਖਾਂ ਲਈ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਾਡਲ ਹਨ ਅਤੇ ਅਸੀਂ ਇਸ ਵਿੱਚ ਵੀਡੀਓ ਜੋੜਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਮੌਜੂਦਾ ਮਾਡਲਾਂ ਦੀ ਮੁੜ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਾਂ ਤਾਂ ਜੋ ਨਵੀਂ ਕਿਸਮ ਦੀ ਸਮੱਗਰੀ ਨੂੰ ਬਿਹਤਰ ਬਣਾਇਆ ਜਾ ਸਕੇ।

ਮੈਂ ਤੁਹਾਨੂੰ ਦੱਸਾਂਗਾ ਕਿ ਅਸੀਂ ਇਹਨਾਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਕਿਵੇਂ ਹੱਲ ਕੀਤਾ ਹੈ।

ਉਮੀਦਵਾਰਾਂ ਦੀ ਚੋਣ

ਦਰਜਾਬੰਦੀ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਲਗਭਗ ਕੋਈ ਵਿਗੜਨ ਦੇ ਨਾਲ, ਕੁਝ ਮਿਲੀਸਕਿੰਟਾਂ ਵਿੱਚ ਵਿਚਾਰ ਅਧੀਨ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਹਜ਼ਾਰਾਂ ਵਾਰ ਕਿਵੇਂ ਘਟਾਇਆ ਜਾਵੇ?

ਮੰਨ ਲਓ ਕਿ ਅਸੀਂ ਬਹੁਤ ਸਾਰੇ ML ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਹੈ, ਉਹਨਾਂ 'ਤੇ ਆਧਾਰਿਤ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਤਿਆਰ ਕੀਤੀਆਂ ਹਨ, ਅਤੇ ਇੱਕ ਹੋਰ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਹੈ ਜੋ ਉਪਭੋਗਤਾ ਲਈ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਦਰਜਾ ਦਿੰਦਾ ਹੈ। ਸਭ ਕੁਝ ਠੀਕ ਰਹੇਗਾ, ਪਰ ਤੁਸੀਂ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਸਾਰੇ ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ ਸਾਰੇ ਚਿੰਨ੍ਹ ਨਹੀਂ ਲੈ ਸਕਦੇ ਅਤੇ ਉਹਨਾਂ ਦੀ ਗਣਨਾ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਜੇਕਰ ਇਹਨਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚੋਂ ਲੱਖਾਂ ਹਨ, ਅਤੇ ਸਿਫ਼ਾਰਸ਼ਾਂ ਨੂੰ 100-200 ms ਵਿੱਚ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ। ਕੰਮ ਲੱਖਾਂ ਵਿੱਚੋਂ ਇੱਕ ਨਿਸ਼ਚਿਤ ਸਬਸੈੱਟ ਚੁਣਨਾ ਹੈ, ਜਿਸਨੂੰ ਉਪਭੋਗਤਾ ਲਈ ਦਰਜਾ ਦਿੱਤਾ ਜਾਵੇਗਾ। ਇਸ ਪੜਾਅ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਉਮੀਦਵਾਰ ਦੀ ਚੋਣ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਇਸਦੇ ਲਈ ਕਈ ਸ਼ਰਤਾਂ ਹਨ। ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਚੋਣ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ, ਤਾਂ ਜੋ ਰੈਂਕਿੰਗ ਲਈ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਸਮਾਂ ਬਚੇ। ਦੂਜਾ, ਦਰਜਾਬੰਦੀ ਲਈ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਸੰਖਿਆ ਨੂੰ ਬਹੁਤ ਘਟਾ ਕੇ, ਸਾਨੂੰ ਉਪਭੋਗਤਾ ਨਾਲ ਸੰਬੰਧਿਤ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਸੁਰੱਖਿਅਤ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ।

ਉਮੀਦਵਾਰ ਦੀ ਚੋਣ ਦਾ ਸਾਡਾ ਸਿਧਾਂਤ ਵਿਕਸਿਤ ਹੋਇਆ ਹੈ, ਅਤੇ ਇਸ ਸਮੇਂ ਅਸੀਂ ਇੱਕ ਬਹੁ-ਪੜਾਵੀ ਸਕੀਮ 'ਤੇ ਪਹੁੰਚ ਗਏ ਹਾਂ:

ਪਹਿਲਾਂ, ਸਾਰੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਸਮੂਹਾਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਦਸਤਾਵੇਜ਼ ਹਰੇਕ ਸਮੂਹ ਤੋਂ ਲਏ ਜਾਂਦੇ ਹਨ। ਸਮੂਹ ਸਾਈਟਾਂ, ਵਿਸ਼ੇ, ਕਲੱਸਟਰ ਹੋ ਸਕਦੇ ਹਨ। ਹਰੇਕ ਉਪਭੋਗਤਾ ਲਈ, ਉਸਦੇ ਇਤਿਹਾਸ ਦੇ ਅਧਾਰ ਤੇ, ਉਸਦੇ ਨਜ਼ਦੀਕੀ ਸਮੂਹਾਂ ਦੀ ਚੋਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਉਹਨਾਂ ਤੋਂ ਵਧੀਆ ਦਸਤਾਵੇਜ਼ ਲਏ ਜਾਂਦੇ ਹਨ। ਅਸੀਂ ਉਹਨਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਚੋਣ ਕਰਨ ਲਈ kNN ਸੂਚਕਾਂਕ ਦੀ ਵਰਤੋਂ ਵੀ ਕਰਦੇ ਹਾਂ ਜੋ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਉਪਭੋਗਤਾ ਦੇ ਸਭ ਤੋਂ ਨੇੜੇ ਹਨ। kNN ਸੂਚਕਾਂਕ ਬਣਾਉਣ ਦੇ ਕਈ ਤਰੀਕੇ ਹਨ; ਸਾਡੇ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕੇ ਨਾਲ ਕੰਮ ਕੀਤਾ HNSW (ਹਾਇਰਾਰਕੀਕਲ ਨੇਵੀਗੇਬਲ ਸਮਾਲ ਵਰਲਡ ਗ੍ਰਾਫ)। ਇਹ ਇੱਕ ਲੜੀਵਾਰ ਮਾਡਲ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਕੁਝ ਮਿਲੀਸਕਿੰਟਾਂ ਵਿੱਚ ਲੱਖਾਂ ਦੇ ਡੇਟਾਬੇਸ ਤੋਂ ਉਪਭੋਗਤਾ ਲਈ N ਨਜ਼ਦੀਕੀ ਵੈਕਟਰ ਲੱਭਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਅਸੀਂ ਪਹਿਲਾਂ ਆਪਣੇ ਪੂਰੇ ਦਸਤਾਵੇਜ਼ ਡੇਟਾਬੇਸ ਨੂੰ ਔਫਲਾਈਨ ਸੂਚੀਬੱਧ ਕਰਦੇ ਹਾਂ। ਕਿਉਂਕਿ ਇੰਡੈਕਸ ਵਿੱਚ ਖੋਜ ਕਰਨਾ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ, ਜੇਕਰ ਇੱਥੇ ਕਈ ਮਜ਼ਬੂਤ ​​ਏਮਬੈਡਿੰਗ ਹਨ, ਤਾਂ ਤੁਸੀਂ ਕਈ ਇੰਡੈਕਸ ਬਣਾ ਸਕਦੇ ਹੋ (ਹਰੇਕ ਏਮਬੈਡਿੰਗ ਲਈ ਇੱਕ ਸੂਚਕਾਂਕ) ਅਤੇ ਉਹਨਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਨੂੰ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਐਕਸੈਸ ਕਰ ਸਕਦੇ ਹੋ।

ਸਾਡੇ ਕੋਲ ਅਜੇ ਵੀ ਹਰੇਕ ਉਪਭੋਗਤਾ ਲਈ ਹਜ਼ਾਰਾਂ ਦਸਤਾਵੇਜ਼ ਹਨ। ਇਹ ਅਜੇ ਵੀ ਸਾਰੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਗਿਣਤੀ ਕਰਨ ਲਈ ਬਹੁਤ ਕੁਝ ਹੈ, ਇਸ ਲਈ ਇਸ ਪੜਾਅ 'ਤੇ ਅਸੀਂ ਲਾਈਟ ਰੈਂਕਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ - ਘੱਟ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਾਲਾ ਇੱਕ ਹਲਕਾ ਭਾਰਾ ਰੈਂਕਿੰਗ ਮਾਡਲ। ਕੰਮ ਇਹ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਹੈ ਕਿ ਇੱਕ ਭਾਰੀ ਮਾਡਲ ਦੇ ਸਿਖਰ ਵਿੱਚ ਕਿਹੜੇ ਦਸਤਾਵੇਜ਼ ਹੋਣਗੇ. ਸਭ ਤੋਂ ਉੱਚੇ ਭਵਿੱਖਬਾਣੀ ਵਾਲੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਵਰਤੋਂ ਭਾਰੀ ਮਾਡਲ ਵਿੱਚ ਕੀਤੀ ਜਾਵੇਗੀ, ਯਾਨੀ ਰੈਂਕਿੰਗ ਦੇ ਆਖਰੀ ਪੜਾਅ 'ਤੇ। ਇਹ ਪਹੁੰਚ ਤੁਹਾਨੂੰ ਉਪਭੋਗਤਾ ਲਈ ਵਿਚਾਰੇ ਗਏ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਡੇਟਾਬੇਸ ਨੂੰ ਲੱਖਾਂ ਤੋਂ ਹਜ਼ਾਰਾਂ ਮਿਲੀਸਕਿੰਟਾਂ ਵਿੱਚ ਘਟਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ।

ਰਨਟਾਈਮ ਵਿੱਚ ALS ਪੜਾਅ

ਇੱਕ ਕਲਿੱਕ ਦੇ ਤੁਰੰਤ ਬਾਅਦ ਉਪਭੋਗਤਾ ਦੇ ਫੀਡਬੈਕ ਨੂੰ ਕਿਵੇਂ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣਾ ਹੈ?

ਸਿਫ਼ਾਰਸ਼ਾਂ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਾਰਕ ਉਪਭੋਗਤਾ ਫੀਡਬੈਕ ਲਈ ਜਵਾਬ ਸਮਾਂ ਹੈ। ਇਹ ਨਵੇਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਹੈ: ਜਦੋਂ ਕੋਈ ਵਿਅਕਤੀ ਸਿਫ਼ਾਰਿਸ਼ ਪ੍ਰਣਾਲੀ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਸਨੂੰ ਵੱਖ-ਵੱਖ ਵਿਸ਼ਿਆਂ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਇੱਕ ਗੈਰ-ਵਿਅਕਤੀਗਤ ਫੀਡ ਪ੍ਰਾਪਤ ਹੁੰਦੀ ਹੈ। ਜਿਵੇਂ ਹੀ ਉਹ ਪਹਿਲੀ ਕਲਿੱਕ ਕਰਦਾ ਹੈ, ਤੁਹਾਨੂੰ ਤੁਰੰਤ ਇਸ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਉਸ ਦੀਆਂ ਰੁਚੀਆਂ ਦੇ ਅਨੁਕੂਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਔਫਲਾਈਨ ਸਾਰੇ ਕਾਰਕਾਂ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹੋ, ਤਾਂ ਦੇਰੀ ਦੇ ਕਾਰਨ ਇੱਕ ਤੇਜ਼ ਸਿਸਟਮ ਜਵਾਬ ਅਸੰਭਵ ਹੋ ਜਾਵੇਗਾ। ਇਸ ਲਈ ਉਪਭੋਗਤਾ ਦੀਆਂ ਕਾਰਵਾਈਆਂ ਨੂੰ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ। ਇਹਨਾਂ ਉਦੇਸ਼ਾਂ ਲਈ, ਅਸੀਂ ਉਪਭੋਗਤਾ ਦੀ ਵੈਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਬਣਾਉਣ ਲਈ ਰਨਟਾਈਮ 'ਤੇ ALS ਸਟੈਪ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ।

ਮੰਨ ਲਓ ਕਿ ਸਾਡੇ ਕੋਲ ਸਾਰੇ ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ ਵੈਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਅਸੀਂ ELMO, BERT ਜਾਂ ਹੋਰ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਲੇਖ ਦੇ ਪਾਠ ਦੇ ਆਧਾਰ 'ਤੇ ਔਫਲਾਈਨ ਏਮਬੈਡਿੰਗ ਬਣਾ ਸਕਦੇ ਹਾਂ। ਅਸੀਂ ਸਿਸਟਮ ਵਿੱਚ ਉਹਨਾਂ ਦੇ ਪਰਸਪਰ ਕ੍ਰਿਆਵਾਂ ਦੇ ਅਧਾਰ ਤੇ ਉਸੇ ਸਪੇਸ ਵਿੱਚ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਵੈਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਕਿਵੇਂ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਾਂ?

ਉਪਭੋਗਤਾ-ਦਸਤਾਵੇਜ਼ ਮੈਟਰਿਕਸ ਦੇ ਗਠਨ ਅਤੇ ਵਿਘਨ ਦਾ ਆਮ ਸਿਧਾਂਤਸਾਡੇ ਕੋਲ m ਉਪਭੋਗਤਾ ਅਤੇ n ਦਸਤਾਵੇਜ਼ ਹਨ। ਕੁਝ ਉਪਭੋਗਤਾਵਾਂ ਲਈ, ਕੁਝ ਦਸਤਾਵੇਜ਼ਾਂ ਨਾਲ ਉਹਨਾਂ ਦਾ ਸਬੰਧ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਫਿਰ ਇਸ ਜਾਣਕਾਰੀ ਨੂੰ ਇੱਕ mxn ਮੈਟ੍ਰਿਕਸ ਵਜੋਂ ਦਰਸਾਇਆ ਜਾ ਸਕਦਾ ਹੈ: ਕਤਾਰਾਂ ਉਪਭੋਗਤਾਵਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ, ਅਤੇ ਕਾਲਮ ਦਸਤਾਵੇਜ਼ਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ। ਕਿਉਂਕਿ ਵਿਅਕਤੀ ਨੇ ਜ਼ਿਆਦਾਤਰ ਦਸਤਾਵੇਜ਼ ਨਹੀਂ ਦੇਖੇ ਹਨ, ਇਸ ਲਈ ਜ਼ਿਆਦਾਤਰ ਮੈਟ੍ਰਿਕਸ ਸੈੱਲ ਖਾਲੀ ਰਹਿਣਗੇ, ਜਦੋਂ ਕਿ ਹੋਰ ਭਰੇ ਜਾਣਗੇ। ਹਰੇਕ ਇਵੈਂਟ (ਜਿਵੇਂ, ਨਾਪਸੰਦ, ਕਲਿੱਕ) ਲਈ ਮੈਟਰਿਕਸ ਵਿੱਚ ਕੁਝ ਮੁੱਲ ਪ੍ਰਦਾਨ ਕੀਤਾ ਗਿਆ ਹੈ - ਪਰ ਆਓ ਇੱਕ ਸਰਲ ਮਾਡਲ 'ਤੇ ਵਿਚਾਰ ਕਰੀਏ ਜਿਸ ਵਿੱਚ ਇੱਕ ਪਸੰਦ 1 ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਨਾਪਸੰਦ -1 ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ।

ਆਉ ਮੈਟਰਿਕਸ ਨੂੰ ਦੋ ਵਿੱਚ ਕੰਪੋਜ਼ ਕਰੀਏ: P (mxd) ਅਤੇ Q (dxn), ਜਿੱਥੇ d ਵੈਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਦਾ ਆਯਾਮ ਹੈ (ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਛੋਟੀ ਸੰਖਿਆ)। ਫਿਰ ਹਰੇਕ ਵਸਤੂ ਇੱਕ d-ਅਯਾਮੀ ਵੈਕਟਰ (ਇੱਕ ਉਪਭੋਗਤਾ ਲਈ - ਮੈਟ੍ਰਿਕਸ P ਵਿੱਚ ਇੱਕ ਕਤਾਰ, ਇੱਕ ਦਸਤਾਵੇਜ਼ ਲਈ - ਮੈਟ੍ਰਿਕਸ Q ਵਿੱਚ ਇੱਕ ਕਾਲਮ) ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੋਵੇਗੀ। ਇਹ ਵੈਕਟਰ ਸੰਬੰਧਿਤ ਵਸਤੂਆਂ ਦੇ ਏਮਬੈਡਿੰਗ ਹੋਣਗੇ। ਇਹ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਕਿ ਕੀ ਕੋਈ ਉਪਭੋਗਤਾ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਪਸੰਦ ਕਰੇਗਾ, ਤੁਸੀਂ ਬਸ ਉਹਨਾਂ ਦੇ ਏਮਬੈਡਿੰਗ ਨੂੰ ਗੁਣਾ ਕਰ ਸਕਦੇ ਹੋ।

ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਕੰਪੋਜ਼ ਕਰਨ ਦੇ ਸੰਭਵ ਤਰੀਕਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ALS (ਅਲਟਰਨੇਟਿੰਗ ਲੀਸਟ ਸਕੁਆਇਰਜ਼)। ਅਸੀਂ ਹੇਠਾਂ ਦਿੱਤੇ ਨੁਕਸਾਨ ਫੰਕਸ਼ਨ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਵਾਂਗੇ:

ਇੱਥੇ rui ਯੂਜ਼ਰ u ਦਾ ਦਸਤਾਵੇਜ਼ i ਨਾਲ ਇੰਟਰਐਕਸ਼ਨ ਹੈ, qi ਦਸਤਾਵੇਜ਼ i ਦਾ ਵੈਕਟਰ ਹੈ, pu ਯੂਜ਼ਰ u ਦਾ ਵੈਕਟਰ ਹੈ।

ਫਿਰ ਔਸਤ ਵਰਗ ਗਲਤੀ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਅਨੁਕੂਲ ਉਪਭੋਗਤਾ ਵੈਕਟਰ (ਸਥਿਰ ਦਸਤਾਵੇਜ਼ ਵੈਕਟਰਾਂ ਲਈ) ਅਨੁਸਾਰੀ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਨੂੰ ਹੱਲ ਕਰਕੇ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਤੌਰ 'ਤੇ ਪਾਇਆ ਜਾਂਦਾ ਹੈ।

ਇਸਨੂੰ "ALS ਸਟੈਪ" ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਅਤੇ ALS ਐਲਗੋਰਿਦਮ ਖੁਦ ਇਹ ਹੈ ਕਿ ਅਸੀਂ ਵਿਕਲਪਿਕ ਤੌਰ 'ਤੇ ਇੱਕ ਮੈਟ੍ਰਿਕਸ (ਉਪਭੋਗਤਾ ਅਤੇ ਲੇਖ) ਨੂੰ ਠੀਕ ਕਰਦੇ ਹਾਂ ਅਤੇ ਦੂਜੇ ਨੂੰ ਅਪਡੇਟ ਕਰਦੇ ਹਾਂ, ਅਨੁਕੂਲ ਹੱਲ ਲੱਭਦੇ ਹਾਂ।

ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ, ਉਪਭੋਗਤਾ ਦੀ ਵੈਕਟਰ ਨੁਮਾਇੰਦਗੀ ਲੱਭਣਾ ਇੱਕ ਕਾਫ਼ੀ ਤੇਜ਼ ਕਾਰਵਾਈ ਹੈ ਜੋ ਵੈਕਟਰ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਰਨਟਾਈਮ 'ਤੇ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇਹ ਚਾਲ ਤੁਹਾਨੂੰ ਰੈਂਕਿੰਗ ਵਿੱਚ ਤੁਰੰਤ ਉਪਭੋਗਤਾ ਫੀਡਬੈਕ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਉਮੀਦਵਾਰ ਦੀ ਚੋਣ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ kNN ਸੂਚਕਾਂਕ ਵਿੱਚ ਇੱਕੋ ਏਮਬੈਡਿੰਗ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।

ਵਿਤਰਿਤ ਸਹਿਯੋਗੀ ਫਿਲਟਰਿੰਗ

ਇੰਕਰੀਮੈਂਟਲ ਡਿਸਟ੍ਰੀਬਿਊਟਡ ਮੈਟਰਿਕਸ ਫੈਕਟਰਾਈਜ਼ੇਸ਼ਨ ਕਿਵੇਂ ਕਰੀਏ ਅਤੇ ਨਵੇਂ ਲੇਖਾਂ ਦੇ ਵੈਕਟਰ ਪ੍ਰਸਤੁਤੀਆਂ ਨੂੰ ਜਲਦੀ ਲੱਭੀਏ?

ਸਮੱਗਰੀ ਸਿਫ਼ਾਰਸ਼ ਸੰਕੇਤਾਂ ਦਾ ਇੱਕੋ ਇੱਕ ਸਰੋਤ ਨਹੀਂ ਹੈ। ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਸਰੋਤ ਸਹਿਯੋਗੀ ਜਾਣਕਾਰੀ ਹੈ। ਚੰਗੀ ਰੈਂਕਿੰਗ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਉਪਭੋਗਤਾ-ਦਸਤਾਵੇਜ਼ ਮੈਟਰਿਕਸ ਦੇ ਵਿਘਨ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ। ਪਰ ਜਦੋਂ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਸੜਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹੋਏ, ਸਾਨੂੰ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ:

1. ਸਾਡੇ ਕੋਲ ਲੱਖਾਂ ਦਸਤਾਵੇਜ਼ ਅਤੇ ਲੱਖਾਂ ਉਪਭੋਗਤਾ ਹਨ। ਮੈਟ੍ਰਿਕਸ ਇੱਕ ਮਸ਼ੀਨ 'ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਫਿੱਟ ਨਹੀਂ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਸੜਨ ਵਿੱਚ ਬਹੁਤ ਲੰਬਾ ਸਮਾਂ ਲੱਗੇਗਾ।
2. ਸਿਸਟਮ ਵਿੱਚ ਜ਼ਿਆਦਾਤਰ ਸਮੱਗਰੀ ਦੀ ਉਮਰ ਛੋਟੀ ਹੁੰਦੀ ਹੈ: ਦਸਤਾਵੇਜ਼ ਸਿਰਫ਼ ਕੁਝ ਘੰਟਿਆਂ ਲਈ ਹੀ ਢੁਕਵੇਂ ਰਹਿੰਦੇ ਹਨ। ਇਸ ਲਈ, ਜਿੰਨੀ ਜਲਦੀ ਹੋ ਸਕੇ ਉਹਨਾਂ ਦੀ ਵੈਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਨੂੰ ਬਣਾਉਣਾ ਜ਼ਰੂਰੀ ਹੈ।
3. ਜੇਕਰ ਤੁਸੀਂ ਦਸਤਾਵੇਜ਼ ਦੇ ਪ੍ਰਕਾਸ਼ਿਤ ਹੋਣ ਤੋਂ ਤੁਰੰਤ ਬਾਅਦ ਇੱਕ ਵਿਘਨ ਬਣਾਉਂਦੇ ਹੋ, ਤਾਂ ਕਾਫ਼ੀ ਗਿਣਤੀ ਵਿੱਚ ਉਪਭੋਗਤਾਵਾਂ ਕੋਲ ਇਸਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਸਮਾਂ ਨਹੀਂ ਹੋਵੇਗਾ। ਇਸਲਈ, ਇਸਦੀ ਵੈਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਬਹੁਤ ਵਧੀਆ ਨਹੀਂ ਹੋਵੇਗੀ।
4. ਜੇਕਰ ਕੋਈ ਉਪਭੋਗਤਾ ਪਸੰਦ ਜਾਂ ਨਾਪਸੰਦ ਕਰਦਾ ਹੈ, ਤਾਂ ਅਸੀਂ ਇਸਨੂੰ ਤੁਰੰਤ ਵਿਘਨ ਵਿੱਚ ਧਿਆਨ ਵਿੱਚ ਨਹੀਂ ਰੱਖ ਸਕਾਂਗੇ।

ਇਹਨਾਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ, ਅਸੀਂ ਲਗਾਤਾਰ ਵਾਧੇ ਵਾਲੇ ਅੱਪਡੇਟਾਂ ਦੇ ਨਾਲ ਉਪਭੋਗਤਾ-ਦਸਤਾਵੇਜ਼ ਮੈਟ੍ਰਿਕਸ ਦਾ ਇੱਕ ਵੰਡਿਆ ਵਿਘਨ ਲਾਗੂ ਕੀਤਾ ਹੈ। ਇਹ ਬਿਲਕੁਲ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ?

ਮੰਨ ਲਓ ਕਿ ਸਾਡੇ ਕੋਲ N ਮਸ਼ੀਨਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਹੈ (N ਸੈਂਕੜਿਆਂ ਵਿੱਚ ਹੈ) ਅਤੇ ਅਸੀਂ ਉਹਨਾਂ 'ਤੇ ਇੱਕ ਮੈਟ੍ਰਿਕਸ ਦਾ ਇੱਕ ਵੰਡਿਆ ਸੜਨ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ ਜੋ ਇੱਕ ਮਸ਼ੀਨ 'ਤੇ ਫਿੱਟ ਨਹੀਂ ਹੁੰਦਾ। ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਇਸ ਸੜਨ ਨੂੰ ਕਿਵੇਂ ਕਰਨਾ ਹੈ ਤਾਂ ਕਿ, ਇੱਕ ਪਾਸੇ, ਹਰੇਕ ਮਸ਼ੀਨ 'ਤੇ ਕਾਫ਼ੀ ਡੇਟਾ ਹੋਵੇ ਅਤੇ ਦੂਜੇ ਪਾਸੇ, ਤਾਂ ਕਿ ਗਣਨਾ ਸੁਤੰਤਰ ਹੋਵੇ?

ਅਸੀਂ ਉੱਪਰ ਦੱਸੇ ਗਏ ALS ਸੜਨ ਵਾਲੇ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ। ਆਉ ਵੇਖੀਏ ਕਿ ਇੱਕ ALS ਕਦਮ ਨੂੰ ਵੰਡੇ ਢੰਗ ਨਾਲ ਕਿਵੇਂ ਚਲਾਉਣਾ ਹੈ - ਬਾਕੀ ਦੇ ਕਦਮ ਵੀ ਇਸੇ ਤਰ੍ਹਾਂ ਦੇ ਹੋਣਗੇ। ਮੰਨ ਲਓ ਕਿ ਸਾਡੇ ਕੋਲ ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਇੱਕ ਸਥਿਰ ਮੈਟ੍ਰਿਕਸ ਹੈ ਅਤੇ ਅਸੀਂ ਉਪਭੋਗਤਾਵਾਂ ਦਾ ਇੱਕ ਮੈਟ੍ਰਿਕਸ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹਾਂ। ਅਜਿਹਾ ਕਰਨ ਲਈ, ਅਸੀਂ ਇਸਨੂੰ ਲਾਈਨਾਂ ਦੁਆਰਾ N ਭਾਗਾਂ ਵਿੱਚ ਵੰਡਾਂਗੇ, ਹਰੇਕ ਹਿੱਸੇ ਵਿੱਚ ਲਗਭਗ ਇੱਕੋ ਜਿਹੀਆਂ ਲਾਈਨਾਂ ਹੋਣਗੀਆਂ। ਅਸੀਂ ਹਰੇਕ ਮਸ਼ੀਨ ਨੂੰ ਸੰਬੰਧਿਤ ਕਤਾਰਾਂ ਦੇ ਗੈਰ-ਖਾਲੀ ਸੈੱਲਾਂ ਦੇ ਨਾਲ-ਨਾਲ ਦਸਤਾਵੇਜ਼ ਏਮਬੈਡਿੰਗਜ਼ (ਪੂਰੀ ਤਰ੍ਹਾਂ) ਦੇ ਮੈਟਰਿਕਸ ਨੂੰ ਭੇਜਾਂਗੇ। ਕਿਉਂਕਿ ਇਸਦਾ ਆਕਾਰ ਬਹੁਤ ਵੱਡਾ ਨਹੀਂ ਹੈ, ਅਤੇ ਉਪਭੋਗਤਾ-ਦਸਤਾਵੇਜ਼ ਮੈਟਰਿਕਸ ਆਮ ਤੌਰ 'ਤੇ ਬਹੁਤ ਘੱਟ ਹੁੰਦਾ ਹੈ, ਇਹ ਡੇਟਾ ਇੱਕ ਨਿਯਮਤ ਮਸ਼ੀਨ 'ਤੇ ਫਿੱਟ ਹੋਵੇਗਾ।

ਇਸ ਚਾਲ ਨੂੰ ਕਈ ਯੁੱਗਾਂ ਵਿੱਚ ਦੁਹਰਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਕਿ ਮਾਡਲ ਇੱਕ-ਇੱਕ ਕਰਕੇ ਫਿਕਸਡ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਬਦਲਦੇ ਹੋਏ ਇਕਸਾਰ ਨਹੀਂ ਹੋ ਜਾਂਦਾ। ਪਰ ਫਿਰ ਵੀ, ਮੈਟਰਿਕਸ ਸੜਨ ਵਿੱਚ ਕਈ ਘੰਟੇ ਲੱਗ ਸਕਦੇ ਹਨ। ਅਤੇ ਇਹ ਇਸ ਸਮੱਸਿਆ ਦਾ ਹੱਲ ਨਹੀਂ ਕਰਦਾ ਹੈ ਕਿ ਤੁਹਾਨੂੰ ਨਵੇਂ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀਆਂ ਏਮਬੈਡਿੰਗਾਂ ਨੂੰ ਜਲਦੀ ਪ੍ਰਾਪਤ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਦੇ ਏਮਬੈਡਿੰਗਾਂ ਨੂੰ ਅਪਡੇਟ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਮਾਡਲ ਬਣਾਉਣ ਵੇਲੇ ਬਹੁਤ ਘੱਟ ਜਾਣਕਾਰੀ ਸੀ.

ਤੇਜ਼ ਵਾਧੇ ਵਾਲੇ ਮਾਡਲ ਅਪਡੇਟਾਂ ਦੀ ਸ਼ੁਰੂਆਤ ਨੇ ਸਾਡੀ ਮਦਦ ਕੀਤੀ। ਮੰਨ ਲਓ ਕਿ ਸਾਡੇ ਕੋਲ ਵਰਤਮਾਨ ਵਿੱਚ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਾਡਲ ਹੈ। ਉਸਦੀ ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ, ਇੱਥੇ ਨਵੇਂ ਲੇਖ ਆਏ ਹਨ ਜਿਨ੍ਹਾਂ ਨਾਲ ਸਾਡੇ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਗੱਲਬਾਤ ਕੀਤੀ ਹੈ, ਅਤੇ ਨਾਲ ਹੀ ਉਹ ਲੇਖ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਸਿਖਲਾਈ ਦੌਰਾਨ ਬਹੁਤ ਘੱਟ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਪਿਆ ਸੀ। ਅਜਿਹੇ ਲੇਖਾਂ ਦੀਆਂ ਏਮਬੈਡਿੰਗਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਅਸੀਂ ਮਾਡਲ ਦੀ ਪਹਿਲੀ ਵੱਡੀ ਸਿਖਲਾਈ ਦੌਰਾਨ ਪ੍ਰਾਪਤ ਕੀਤੇ ਉਪਭੋਗਤਾ ਏਮਬੈਡਿੰਗਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ ਅਤੇ ਇੱਕ ਨਿਸ਼ਚਿਤ ਉਪਭੋਗਤਾ ਮੈਟਰਿਕਸ ਦਿੱਤੇ ਗਏ ਦਸਤਾਵੇਜ਼ ਮੈਟ੍ਰਿਕਸ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਇੱਕ ALS ਕਦਮ ਕਰਦੇ ਹਾਂ। ਇਹ ਤੁਹਾਨੂੰ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਏਮਬੈਡਿੰਗ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ - ਦਸਤਾਵੇਜ਼ ਪ੍ਰਕਾਸ਼ਿਤ ਹੋਣ ਤੋਂ ਬਾਅਦ ਕੁਝ ਮਿੰਟਾਂ ਦੇ ਅੰਦਰ - ਅਤੇ ਅਕਸਰ ਹਾਲ ਹੀ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀਆਂ ਏਮਬੈਡਿੰਗਾਂ ਨੂੰ ਅਪਡੇਟ ਕਰਦੇ ਹਨ।

ਮਨੁੱਖੀ ਕਾਰਵਾਈਆਂ ਨੂੰ ਤੁਰੰਤ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣ ਲਈ ਸਿਫ਼ਾਰਸ਼ਾਂ ਕਰਨ ਲਈ, ਰਨਟਾਈਮ ਵਿੱਚ ਅਸੀਂ ਔਫਲਾਈਨ ਪ੍ਰਾਪਤ ਕੀਤੇ ਉਪਭੋਗਤਾ ਏਮਬੈਡਿੰਗਾਂ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦੇ ਹਾਂ। ਇਸਦੀ ਬਜਾਏ, ਅਸੀਂ ਇੱਕ ALS ਸਟੈਪ ਕਰਦੇ ਹਾਂ ਅਤੇ ਅਸਲ ਉਪਭੋਗਤਾ ਵੈਕਟਰ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਾਂ।

ਕਿਸੇ ਹੋਰ ਡੋਮੇਨ ਖੇਤਰ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ ਕਰੋ

ਕਿਸੇ ਵੀਡੀਓ ਦੀ ਵੈਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਬਣਾਉਣ ਲਈ ਟੈਕਸਟ ਲੇਖਾਂ 'ਤੇ ਉਪਭੋਗਤਾ ਫੀਡਬੈਕ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰੀਏ?

ਸ਼ੁਰੂ ਵਿੱਚ, ਅਸੀਂ ਸਿਰਫ਼ ਟੈਕਸਟ ਲੇਖਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਸੀ, ਇਸਲਈ ਸਾਡੇ ਬਹੁਤ ਸਾਰੇ ਐਲਗੋਰਿਦਮ ਇਸ ਕਿਸਮ ਦੀ ਸਮੱਗਰੀ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਪਰ ਸਮੱਗਰੀ ਦੀਆਂ ਹੋਰ ਕਿਸਮਾਂ ਨੂੰ ਜੋੜਦੇ ਸਮੇਂ, ਸਾਨੂੰ ਮਾਡਲਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੀ ਜ਼ਰੂਰਤ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ। ਅਸੀਂ ਇੱਕ ਵੀਡੀਓ ਉਦਾਹਰਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸ ਸਮੱਸਿਆ ਨੂੰ ਕਿਵੇਂ ਹੱਲ ਕੀਤਾ? ਇੱਕ ਵਿਕਲਪ ਹੈ ਸ਼ੁਰੂ ਤੋਂ ਸਾਰੇ ਮਾਡਲਾਂ ਨੂੰ ਦੁਬਾਰਾ ਸਿਖਲਾਈ ਦੇਣਾ। ਪਰ ਇਹ ਇੱਕ ਲੰਮਾ ਸਮਾਂ ਲੈਂਦਾ ਹੈ, ਅਤੇ ਕੁਝ ਐਲਗੋਰਿਥਮ ਸਿਖਲਾਈ ਦੇ ਨਮੂਨੇ ਦੇ ਆਕਾਰ 'ਤੇ ਮੰਗ ਕਰ ਰਹੇ ਹਨ, ਜੋ ਕਿ ਸੇਵਾ 'ਤੇ ਆਪਣੇ ਜੀਵਨ ਦੇ ਪਹਿਲੇ ਪਲਾਂ ਵਿੱਚ ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਦੀ ਸਮੱਗਰੀ ਲਈ ਲੋੜੀਂਦੀ ਮਾਤਰਾ ਵਿੱਚ ਅਜੇ ਉਪਲਬਧ ਨਹੀਂ ਹੈ.

ਅਸੀਂ ਦੂਜੇ ਤਰੀਕੇ ਨਾਲ ਚਲੇ ਗਏ ਅਤੇ ਵੀਡੀਓ ਲਈ ਟੈਕਸਟ ਮਾਡਲਾਂ ਦੀ ਮੁੜ ਵਰਤੋਂ ਕੀਤੀ। ਉਹੀ ALS ਚਾਲ ਨੇ ਵੀਡੀਓ ਦੇ ਵੈਕਟਰ ਪ੍ਰਸਤੁਤੀਆਂ ਬਣਾਉਣ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕੀਤੀ। ਅਸੀਂ ਟੈਕਸਟ ਲੇਖਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਵੈਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਲਈ ਅਤੇ ਵੀਡੀਓ ਦ੍ਰਿਸ਼ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇੱਕ ALS ਕਦਮ ਕੀਤਾ। ਇਸ ਲਈ ਸਾਨੂੰ ਆਸਾਨੀ ਨਾਲ ਵੀਡੀਓ ਦੀ ਵੈਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਮਿਲ ਗਈ। ਅਤੇ ਰਨਟਾਈਮ 'ਤੇ ਅਸੀਂ ਟੈਕਸਟ ਲੇਖਾਂ ਅਤੇ ਵੀਡੀਓ ਵੈਕਟਰ ਤੋਂ ਪ੍ਰਾਪਤ ਉਪਭੋਗਤਾ ਵੈਕਟਰ ਵਿਚਕਾਰ ਨੇੜਤਾ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹਾਂ।

ਸਿੱਟਾ

ਇੱਕ ਰੀਅਲ-ਟਾਈਮ ਸਿਫ਼ਾਰਿਸ਼ ਪ੍ਰਣਾਲੀ ਦੇ ਮੂਲ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਚੁਣੌਤੀਆਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ। ਤੁਹਾਨੂੰ ਇਸ ਡੇਟਾ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵਰਤਣ ਲਈ ਤੇਜ਼ੀ ਨਾਲ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਅਤੇ ML ਵਿਧੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ; ਇੱਕ ਘੱਟੋ-ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਉਪਭੋਗਤਾ ਸਿਗਨਲਾਂ ਅਤੇ ਸਮੱਗਰੀ ਦੀਆਂ ਨਵੀਆਂ ਇਕਾਈਆਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਦੇ ਸਮਰੱਥ ਗੁੰਝਲਦਾਰ ਵਿਤਰਿਤ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਨਿਰਮਾਣ ਕਰੋ; ਅਤੇ ਹੋਰ ਬਹੁਤ ਸਾਰੇ ਕੰਮ।

ਮੌਜੂਦਾ ਸਿਸਟਮ ਵਿੱਚ, ਜਿਸ ਦਾ ਮੈਂ ਵਰਣਨ ਕੀਤਾ ਹੈ, ਉਸ ਦੇ ਡਿਜ਼ਾਈਨ ਵਿੱਚ, ਉਪਭੋਗਤਾ ਲਈ ਸਿਫ਼ਾਰਿਸ਼ਾਂ ਦੀ ਗੁਣਵੱਤਾ ਉਸਦੀ ਗਤੀਵਿਧੀ ਅਤੇ ਸੇਵਾ 'ਤੇ ਰਹਿਣ ਦੀ ਲੰਬਾਈ ਦੇ ਨਾਲ ਵਧਦੀ ਹੈ. ਪਰ ਬੇਸ਼ੱਕ, ਇੱਥੇ ਮੁੱਖ ਮੁਸ਼ਕਲ ਹੈ: ਸਿਸਟਮ ਲਈ ਉਸ ਵਿਅਕਤੀ ਦੇ ਹਿੱਤਾਂ ਨੂੰ ਤੁਰੰਤ ਸਮਝਣਾ ਮੁਸ਼ਕਲ ਹੈ ਜਿਸਦਾ ਸਮੱਗਰੀ ਨਾਲ ਬਹੁਤ ਘੱਟ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਹੈ। ਨਵੇਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਸਿਫ਼ਾਰਸ਼ਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣਾ ਸਾਡਾ ਮੁੱਖ ਟੀਚਾ ਹੈ। ਅਸੀਂ ਐਲਗੋਰਿਦਮ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣਾ ਜਾਰੀ ਰੱਖਾਂਗੇ ਤਾਂ ਜੋ ਕਿਸੇ ਵਿਅਕਤੀ ਲਈ ਢੁਕਵੀਂ ਸਮੱਗਰੀ ਤੇਜ਼ੀ ਨਾਲ ਉਸਦੀ ਫੀਡ ਵਿੱਚ ਆਵੇ, ਅਤੇ ਅਪ੍ਰਸੰਗਿਕ ਸਮੱਗਰੀ ਦਿਖਾਈ ਨਾ ਜਾਵੇ।

ਸਰੋਤ: www.habr.com