قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التوصية التسلسلية
نهج لأنظمة التوصية يقوم بنمذجة الترتيب الزمني لتفاعلات المستخدم للتنبؤ باهتماماته التالية. على عكس الطرق التقليدية، فإنها تلتقط الاعتماديات الزمنية وتطور التفضيلات.
التوصية القائمة على الجلسة
نطاق فرعي للتوصية التسلسلية يركز على التفاعلات ضمن جلسة مستخدم واحدة. لا تتطلب تاريخًا طويل الأمد وتعتمد على السلوك الفوري لإنشاء توصيات ذات صلة.
عملية قرار ماركوف
نموذج رياضي رسمي لاتخاذ القرار التسلسلي حيث تعتمد الحالات المستقبلية فقط على الحالة الحالية والإجراء المتخذ. يُطبق على أنظمة التوصية لنمذجة الانتقالات بين العناصر.
GRU4Rec
بنية شبكة عصبية متكررة تعتمد على وحدات البوابات المتكررة (GRU) مصممة خصيصًا للتوصية القائمة على الجلسة. تستخدم آليات انتباه وتقنيات أخذ عينات لتحسين الأداء على البيانات التسلسلية.
BERT4Rec
نموذج توصية تسلسلي تم تكييفه من بنية BERT يستخدم محولات ثنائية الاتجاه لالتقاط الاعتماديات السياقية. يطبق إخفاء العناصر كمهمة تدريب مسبق لتعلم تمثيلات تسلسلية قوية.
التوصية القائمة على المحولات
فئة من النماذج تستخدم بنية المحول لالتقاط الاعتماديات طويلة المدى في تسلسلات التفاعلات. تتفوق هذه النماذج على الشبكات العصبية المتكررة التقليدية بفضل آليات الانتباه متعددة الرؤوس.
استخراج الأنماط التسلسلية
عملية استخراج أنماط متكررة ومنظمة في تسلسلات معاملات المستخدمين. تعمل هذه الأنماط كأساس لفهم السلوكيات النموذجية وإنشاء توصيات قائمة على الاتجاهات الملاحظة.
التنبؤ بالعنصر التالي
مهمة أساسية في التوصية التسلسلية تتمثل في التنبؤ بالعنصر التالي الذي من المحتمل أن يتفاعل معه المستخدم. تعمل كهدف تدريبي لمعظم النماذج التسلسلية الحديثة.
الديناميكيات الزمنية
ظاهرة تتطور فيها تفضيلات المستخدم مع مرور الوقت، مما يتطلب نماذج تلتقط هذه التغيارات التدريجية. أنظمة التوصية التسلسلية تدمج هذه الديناميكيات للحفاظ على صلة الاقتراحات.
نمذجة جلسة المستخدم
تقنية لتمثيل تفاعلات المستخدم داخل جلسة ما كتسلسل منظم ذي معنى. تتيح التقاط النية قصيرة الأمد وسياق التصفح للحصول على توصيات فورية.
التضمين التسلسلي
تمثيل متجهي للعناصر أو المستخدمين يحافظ على المعلومات التسلسلية والسياقية للتفاعلات. هذه التضمينات تلتقط كلًا من الخصائص الجوهرية والعلاقات الزمنية بين العناصر.
SASRec
التوصية التسلسلية الذاتية الانتباه، نموذج رائد يستخدم آليات الانتباه فقط للتوصية التسلسلية. يلتقط بفعالية التبعيات طويلة المدى دون قيود الشبكات العصبية التكرارية التقليدية.
NARM
آلة التوصية العصبية الانتباهية، نموذج يجمع بين الشبكات العصبية التكرارية وآلية الانتباه للتوصية القائمة على الجلسات. يلتقط كلًا من السلوك التسلسلي العام والنوايا الرئيسية للجلسة الحالية.
STAMP
نموذج أولوية الانتباه/الذاكرة قصيرة الأمد، بنية تركز على آخر التفاعلات للتوصية القائمة على الجلسات. يستخدم الانتباه لوزن أهمية العناصر المختلفة في الذاكرة قصيرة الأمد.
التوصية المدركة للزمن
نهج يدمج بشكل صريح المعلومات الزمنية (الطوابع الزمنية، المدد، الدورات) في نماذج التوصية. يحسن الدقة من خلال التقاط الأنماط الزمنية وحداثة التفاعلات.
مشكلة البدء البارد التسلسلية
تحدٍ خاص بالأنظمة التسلسلية عند التوصية لمستخدمين أو عناصر جدد بقصة قليلة أو معدومة. تشمل الحلول التعلم بالنقل والنماذج القائمة على الجلسات للتخفيف من هذه المشكلة.
التوصية التسلسلية القائمة على الشبكات العصبية الرسومية
نهج يستخدم الشبكات العصبية الرسومية لنمذجة العلاقات المعقدة بين العناصر في التسلسلات. إنها تلتقط بشكل فعال انتقالات الحالات والهياكل الرسومية الضمنية في البيانات التسلسلية.
نمذجة تسلسلية هرمية
تقوم هذه التقنية بنمذجة التسلسلات على مستويات متعددة من التجريد (جلسات، أيام، أسابيع) لالتقاط الأنماط على مقاييس زمنية مختلفة. إنها تتيح فهمًا أكثر دقة لسلوك المستخدم.
التعلم التسلسلي المقارن
باراداgm تعليمي يستخدم التعلم المقارن لتحسين التمثيلات التسلسلية عن طريق تعظيم التشابه بين المشاهدات الإيجابية لنفس التسلسل. إنها تعزز متانة النموذج ضد الضوضاء والبيانات المتفرقة.