एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
Factorisation de Matrices Probabiliste (PMF)
Approche bayésienne de la factorisation de matrices qui modélise les préférences utilisateur-item avec des distributions probabilistes, permettant de quantifier et gérer l'incertitude des prédictions.
Matrice de Facteurs Latents
Matrice de faible rang représentant les caractéristiques latentes (features) non observées des utilisateurs ou des items, dont les entrées sont des variables aléatoires dans le cadre PMF.
Distribution a Posteriori
Distribution probabiliste des facteurs latents après avoir pris en compte les données observées, représentant la connaissance mise à jour sur les paramètres du modèle PMF.
Matrice de Précision
Inverse de la matrice de covariance, utilisée dans la définition des distributions Gaussiennes (a priori et vraisemblance) pour contrôler la confiance dans les observations et la régularisation des facteurs latents.
Modèle à Trois Niveaux
Extension de PMF où les hyperparamètres eux-mêmes sont dotés d'une distribution a priori, permettant une inférence automatique de la régularisation optimale et une meilleure gestion de l'éparsité.
Bruit d'Observation
Variabilité aléatoire inhérente aux données observées (ex: notes imprécises), modélisée par la variance de la distribution de vraisemblance dans PMF pour capturer l'incertitude des préférences utilisateur.
Régularisation Automatique
Capacité du cadre bayésien de PMF à déterminer automatiquement le niveau de régularisation optimal via l'inférence sur les hyperparamètres, évitant le réglage manuel coûteux.
Prédiction Postérieure Moyenne
Estimation ponctuelle d'une note non observée calculée comme l'espérance de la distribution prédictive a posteriori, intégrant sur l'incertitude des facteurs latents pour une prédiction plus robuste.
Factorisation de Matrices Probabiliste Variationnelle
Approche alternative à l'échantillonnage MCMC qui approxime la distribution a posteriori par optimisation d'une borne inférieure sur la log-vraisemblance, offrant un compromis vitesse-précision pour les grands jeux de données.
Matrice d'Interaction Utilisateur-Item
Matrice creuse (sparse) de données observées (ex: notes, clics) que le modèle PMF cherche à approximer en factorisant ses entrées observées pour prédire les entrées manquantes.