Öneri Sistemlerinde Yapay Zeka
Öneri sistemleri, izlediğiniz, satın aldığınız ve bir sonraki sayfada kaydıracağınız şeyleri sessizce seçen yapay zekadır.
Genel Bakış
They drive a huge share of engagement and revenue at companies like Netflix, Amazon, YouTube, and Spotify.
Derin Dalış
Tavsiye veren kişinin görevi, kullanıcının geniş bir katalogdan ne isteyeceğini tahmin etmektir. İki klasik yaklaşım, kullanıcılar arasındaki kalıpları bulan işbirliğine dayalı filtreleme ('sizin gibi kişiler de bunu beğendi') ve öğe özelliklerini geçmiş tercihlerinizle eşleştiren içerik tabanlı filtrelemedir. Modern sistemler bunları birleştirir ve derin öğrenmeyi ekler: Sinir ağları, kullanıcılar ve öğeler için yoğun yerleştirmeleri öğrenir, böylece benzer zevkler vektör uzayında birbirine yakın durur. Netflix, 1 milyon dolarlık ödülüyle bu alanı popüler hale getirdi ve bugün bu sistemler YouTube'un yayınını, Amazon'un ürün önerilerini, Spotify'ın Haftalık Keşfet'ini ve TikTok'un Sizin İçin sayfasını destekliyor. Bunlar aynı zamanda bir endişe kaynağıdır çünkü yalnızca etkileşim için optimizasyon yapmak filtre baloncukları oluşturabilir ve bağımlılık yaratan veya kutuplaştırıcı içeriği güçlendirebilir.
Teknik Bilgi
Matris çarpanlarına ayırma bir devrimdi: seyrek kullanıcı öğesi derecelendirme matrisini, iki küçük gizli faktör matrisinin çarpımı olarak temsil edin, böylece her kullanıcı ve öğe kısa bir vektör haline gelir. Bir kullanıcının ve öğe vektörünün nokta çarpımı, derecelendirmeyi tahmin eder. Derin modeller bunu sinirsel işbirlikçi filtreleme ve adayları hızlı bir şekilde alan iki kuleli mimarilerle genişletir, ardından bir sıralama modeli onları puanlar. Yepyeni kullanıcılara veya öğelere öneride bulunan soğuk başlatma, inatçı bir zorluk olmaya devam ediyor.
Stratejik Etki
Build choices
Uygulama düzeyinde tasarım, yapay zekanın gerçek sonuçları iyileştirip iyileştirmediğini belirler.
Ekip ve iş akışı
İyi iş akışı entegrasyonu, kullanıcıların güvenebileceği üretkenlik kazanımları sağlar.
Risk and safety
İyi kapsamlı kullanım örnekleri, değişiklik yorgunluğunu ve uygulama riskini azaltır.
Öneri Sistemlerinde Yapay Zekanın Geleceği
Önericiler giderek daha bağlamsal ve konuşmaya dayalı hale geliyor. Büyük dil modelleri, doğal dilde öneri istemenize ve bir şeyin neden seçildiğini açıklamanıza olanak tanırken, çok modlu modeller metin, resim, ses ve video üzerinde birlikte akıl yürütür. Ham tıklamalara kıyasla uzun vadeli memnuniyete daha fazla önem verilmesinin yanı sıra, algoritma üzerinde şeffaflık ve kullanıcı kontrolünü zorunlu kılan düzenlemeleri bekleyin. Cihaz içi ve birleştirilmiş öneri gibi gizliliği koruyan teknikler de artıyor.
Gerçek Dünya Uygulaması
Netflix, izleme geçmişinize göre şovlar önerir ve hatta küçük resim resimlerini özelleştirir
Spotify'ın Discover Weekly'si, benzer zevklere sahip dinleyiciler arasında işbirlikçi filtrelemeyle kişiselleştirilmiş bir çalma listesi oluşturuyor
Amazon'un "bunu satın alan müşterileri bunu da aldı" ve ana sayfadaki ürün önerileri, satışların büyük bir kısmını oluşturuyor
TikTok'un Sizin İçin sayfası, kısa videoları sıralamak için izlenme süresi, tekrar oynatma ve atlamalardan tercihleri hızla öğreniyor
Riskler ve Korkuluklar
Bozuk bir süreci otomatikleştirmek mevcut sorunları büyütebilir.
Ekipler aşırı otomatikleşebilir ve gerekli insan muhakemesini ortadan kaldırabilir.
Çıktılar sürekli olarak değerlendirilmezse kalite düşebilir.
Uygulama Yol Haritası
Mevcut iş akışının haritasını çıkarın ve en yüksek sürtünmeli adımı belirleyin.
Tam otomasyondan önce insan kontrol noktalarını tanımlayın.
Kullanıcıları istemler, yükseltme yolları ve kalite standartları konusunda eğitin.
Sürdürülebilir değeri doğrulamak için görev düzeyindeki sonuçları izleyin.
Keşfetmeye Devam Edin
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Recommendation Systems quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
Yapay Zeka Öneri Sistemleri
Sık sorulan sorular
What is AI in Recommendation Systems?
Öneri sistemleri, izlediğiniz, satın aldığınız ve bir sonraki sayfada kaydıracağınız şeyleri sessizce seçen yapay zekadır. Netflix, Amazon, YouTube ve Spotify gibi şirketlerde büyük bir etkileşim ve gelir payı sağlıyorlar.
İşbirliğine dayalı filtreleme neye dayanmaktadır?
İşbirliğine dayalı filtreleme, benzer zevklere sahip kullanıcıları bulur ve onların neyi beğendiğini önerir; 'sizin gibi kişiler de beğendi' fikri.
İçerik tabanlı filtreleme önerilerde bulunmak için ne kullanır?
İçerik tabanlı filtreleme, öğe niteliklerini daha önce beğendiğiniz şeylerin özellikleriyle eşleştirir.
Matris çarpanlarına ayırma, tavsiye verenlerde hangi sorunu çözer?
Matris çarpanlarına ayırma, derecelendirme matrisini, nokta çarpımı derecelendirmeleri tahmin eden küçük kullanıcı ve öğe vektörlerine ayrıştırır.
'Soğuk başlatma' sorunu nedir?
Soğuk başlangıç, yeni bir kullanıcı veya öğe hakkında çok az veri olduğunda veya hiç veri olmadığında iyi önerilerde bulunmanın zorluğudur.
Tavsiye araştırmasının popülerleşmesine hangi rekabet yardımcı oldu?
1 milyon dolarlık Netflix Ödülü, ekipleri reyting tahminlerini iyileştirmeye zorladı ve bu alanda büyük ilerlemelere yol açtı.