এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
Factorisation de Matrices
Technique algébrique décomposant une matrice utilisateur-item en produit de deux matrices de plus faible rang pour révéler les caractéristiques latentes des préférences.
Décomposition en Valeurs Singulières (SVD)
Méthode de factorisation décomposant une matrice M en UΣV' où U et V sont orthogonales et Σ diagonale, permettant la réduction dimensionnelle optimale.
Facteurs Latents
Variables cachées non observables représentant les caractéristiques intrinsèques des utilisateurs et des items, apprises automatiquement lors de la factorisation.
Descente de Gradient Stochastique (SGD)
Algorithme d'optimisation itératif mettant à jour les paramètres de factorisation en utilisant un échantillon aléatoire à chaque itération pour minimiser l'erreur de prédiction.
Apprentissage Alterné des Moindres Carrés (ALS)
Méthode d'optimisation alternant la fixation d'une matrice de facteurs pour résoudre analytiquement l'autre, garantissant la convergence vers un optimum local.
Régularisation
Technique prévenant le surapprentissage en ajoutant une pénalité sur la magnitude des paramètres, favorisant des solutions plus générales et robustes.
Vectorisation
Processus de représentation des entités (utilisateurs/items) sous forme de vecteurs denses dans un espace latent de dimension réduite.
Factorisation de Matrice Non-Négative (NMF)
Variante de factorisation contraignant toutes les matrices résultantes à contenir uniquement des valeurs non-négatives, améliorant l'interprétabilité des facteurs.
ব্যবহারকারী এবং আইটেম পক্ষপাত
ব্যবহারকারীদের (উচ্চ/নিম্ন রেটিং দেওয়ার সাধারণ প্রবণতা) এবং আইটেমগুলির (অন্তর্নিহিত জনপ্রিয়তা) পদ্ধতিগত প্রবণতা ক্যাপচার করার অতিরিক্ত পদ।
জোড়াভিত্তিক শেখা
পরম রেটিংয়ের পরিবর্তে জোড়া (ইতিবাচক আইটেম, নেতিবাচক আইটেম) বিবেচনা করে সরাসরি আইটেমগুলির আপেক্ষিক র্যাঙ্কিং অপ্টিমাইজ করার পদ্ধতি।
কোল্ড স্টার্ট সমস্যা
একটি বড় চ্যালেঞ্জ যেখানে ফ্যাক্টরাইজেশন নতুন ব্যবহারকারী বা ইন্টারঅ্যাকশন ইতিহাসের অভাব রয়েছে এমন আইটেমগুলির জন্য নির্ভরযোগ্য সুপারিশ তৈরি করতে ব্যর্থ হয়।
টেনসর ফ্যাক্টরাইজেশন
ম্যাট্রিক্স ফ্যাক্টরাইজেশনের বহুমাত্রিক সম্প্রসারণ যা একই সাথে একাধিক মাত্রা (ব্যবহারকারী, আইটেম, প্রসঙ্গ, সময়) মডেল করতে দেয়।
ফ্যাক্টরাইজেশনের জন্য গভীর শেখা
সুপারিশের নির্ভুলতা উন্নত করতে ল্যাটেন্ট ফ্যাক্টরগুলির মধ্যে জটিল অ-রৈখিক সম্পর্ক ক্যাপচার করার জন্য নিউরাল নেটওয়ার্কের একীকরণ।
লস ফাংশন
ফ্যাক্টরাইজড মডেলের পূর্বাভাস এবং প্রকৃত মানগুলির মধ্যে পার্থক্য পরিমাপ করে, যা প্রশিক্ষণের সময় কমানোর লক্ষ্য হিসাবে কাজ করে।
শেখার হার
অপ্টিমাইজেশনের সময় প্যারামিটার আপডেটের মাত্রা নিয়ন্ত্রণকারী হাইপারপ্যারামিটার, যা কনভারজেন্সের গতি এবং স্থিতিশীলতা প্রভাবিত করে।
হাইব্রিড এমবেডিং
কন্টেন্ট-ভিত্তিক এমবেডিংয়ের সাথে ম্যাট্রিক্স ফ্যাক্টরাইজেশনের সংমিশ্রণ, সহযোগী এবং কন্টেন্ট-ভিত্তিক পদ্ধতিগুলিকে একত্রিত করে।