एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
आव्यूह गुणनखंडन
उपयोगकर्ता-आइटम आव्यूह को दो कम रैंक वाले आव्यूहों के गुणनफल में विभाजित करने की बीजगणितीय तकनीक जो प्राथमिकताओं की छिपी हुई विशेषताओं को प्रकट करती है।
विलक्षण मान वियोजन (SVD)
आव्यूह M को UΣV' में विभाजित करने की गुणनखंडन विधि जहाँ U और V ऑर्थोगोनल हैं और Σ विकर्ण है, जो इष्टतम आयामी कमी की अनुमति देता है।
गुप्त कारक
उपयोगकर्ताओं और आइटम्स की अंतर्निहित विशेषताओं का प्रतिनिधित्व करने वाले अदृश्य छुपे चर, जो गुणनखंडन के दौरान स्वचालित रूप से सीखे जाते हैं।
स्टोकास्टिक ग्रेडिएंट डिसेंट (SGD)
इष्टतमीकरण का पुनरावृत्त एल्गोरिथ्म जो प्रत्येक पुनरावृत्ति में एक यादृच्छिक नमूने का उपयोग करके गुणनखंडन पैरामीटर को अपडेट करता है ताकि भविष्यवाणी त्रुटि को कम किया जा सके।
वैकल्पिक न्यूनतम वर्ग सीखना (ALS)
इष्टतमीकरण विधि जो किसी एक कारक आव्यूह को निश्चित रखकर दूसरे का विश्लेषणात्मक रूप से समाधान करने के लिए बारी-बारी से काम करती है, जो स्थानीय इष्टतम की ओर अभिसरण सुनिश्चित करती है।
नियमितीकरण
पैरामीटर के परिमाण पर दंड जोड़कर ओवरफिटिंग को रोकने की तकनीक, जो अधिक सामान्य और मजबूत समाधानों को बढ़ावा देती है।
वेक्टराइजेशन
संस्थाओं (उपयोगकर्ता/आइटम्स) को कम आयामी गुप्त स्थान में सघन वैक्टर के रूप में प्रस्तुत करने की प्रक्रिया।
गैर-ऋणात्मक आव्यूह गुणनखंडन (NMF)
गुणनखंडन का एक प्रकार जो सभी परिणामी आव्यूहों को केवल गैर-ऋणात्मक मान रखने के लिए बाध्य करता है, जो कारकों की व्याख्या करने की क्षमता में सुधार करता है।
उपयोगकर्ता और आइटम पूर्वाग्रह
उपयोगकर्ताओं की प्रणालीगत प्रवृत्तियों (उच्च/निम्न रेट करने की सामान्य प्रवृत्तियां) और आइटम्स की (अंतर्निहित लोकप्रियता) को पकड़ने वाले अतिरिक्त शब्द।
युग्म आधारित अधिगम
निरपेक्ष मूल्यांकन के बजाय युग्मों (सकारात्मक आइटम, नकारात्मक आइटम) पर विचार करके आइटम्स की सापेक्ष रैंकिंग को सीधे अनुकूलित करने की दृष्टिकोण।
कोल्ड स्टार्ट समस्या
एक प्रमुख चुनौती जहां फैक्टराइज़ेशन नए उपयोगकर्ताओं या आइटम्स के लिए जिनके पास इंटरैक्शन इतिहास की कमी है, विश्वसनीय सिफारिशें उत्पन्न करने में विफल रहता है।
टेंसर फैक्टराइज़ेशन
मैट्रिक्स फैक्टराइज़ेशन का बहुआयामी विस्तार जो एक साथ कई आयामों (उपयोगकर्ता, आइटम, संदर्भ, समय) को मॉडलिंग करने की अनुमति देता है।
फैक्टराइज़ेशन के लिए गहन अधिगम
अंतर्निहित कारकों के बीच जटिल गैर-रेखीय संबंधों को पकड़ने के लिए न्यूरल नेटवर्क का एकीकरण, जो सिफारिशों की सटीकता में सुधार करता है।
हानि फलन
फैक्टराइज़्ड मॉडल के पूर्वानुमानों और वास्तविक मूल्यों के बीच के अंतर को मापने का माप, जो प्रशिक्षण के दौरान कम करने के लिए एक उद्देश्य के रूप में काम करता है।
अधिगम दर
अनुकूलन के दौरान पैरामीटर अपडेट के परिमाण को नियंत्रित करने वाला हाइपरपैरामीटर, जो अभिसरण की गति और स्थिरता को प्रभावित करता है।
हाइब्रिड एम्बेडिंग
सामग्री-आधारित एम्बेडिंग के साथ मैट्रिक्स फैक्टराइज़ेशन का संयोजन, जो सहयोगात्मक और सामग्री-आधारित दृष्टिकोणों को जोड़ती है।