एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
सहयोगी फ़िल्टरिंग
एक सिफारिश दृष्टिकोण जो कई उपयोगकर्ताओं से वरीयताएं एकत्र करके भविष्यवाणियां उत्पन्न करता है, इस सिद्धांत पर आधारित है कि अतीत में समान स्वाद वाले उपयोगकर्ता भविष्य में भी समान स्वाद रखेंगे।
उपयोगकर्ता-आइटम मैट्रिक्स
एक मौलिक डेटा संरचना जहां पंक्तियां उपयोगकर्ताओं का प्रतिनिधित्व करती हैं, कॉलम आइटम का, और कोशिकाओं में रेटिंग या इंटरैक्शन होते हैं, आमतौर पर बहुत विरल क्योंकि प्रत्येक उपयोगकर्ता कम आइटम के साथ इंटरैक्ट करता है।
कोसाइन समानता
एक समानता मेट्रिक जो एक बहुआयामी स्थान में दो रेटिंग वैक्टर के बीच कोण के कोसाइन की गणना करती है, -1 (पूर्ण विपरीतता) से 1 (पूर्ण समानता) तक भिन्न होती है, उपयोगकर्ता या आइटम प्रोफाइल की तुलना के लिए व्यापक रूप से उपयोग की जाती है।
पियर्सन सहसंबंध
एक गुणांक जो दो रेटिंग वैक्टर के बीच रैखिक सहसंबंध मापता है, औसत पर केंद्रित और मानकीकृत, विशेष रूप से उपयोगकर्ताओं या आइटम के बीच रेटिंग प्रवृत्तियों को पकड़ने के लिए प्रभावी।
के-निकटतम पड़ोसी पड़ोस
एक एल्गोरिथ्म जो दिए गए लक्ष्य के सबसे समान k उपयोगकर्ताओं या आइटम की पहचान करता है ताकि भविष्यवाणियों की गणना में उपयोग किए जाने वाले पड़ोस का निर्माण हो सके, जहां k सिफारिशों की ग्रेनुलरिटी को नियंत्रित करने वाला एक महत्वपूर्ण पैरामीटर है।
उपयोगकर्ता-आधारित सहयोगी फ़िल्टरिंग
उपयोगकर्ताओं के बीच समानता पर आधारित दृष्टिकोण, उन आइटम की सिफारिश करता है जिन्हें समान उपयोगकर्ताओं ने पसंद किया है, उपयोगकर्ता-उपयोगकर्ता समानताओं की गणना और विकसित प्रोफाइल के प्रभावी प्रबंधन की आवश्यकता होती है।
आइटम-आधारित सहयोगी फ़िल्टरिंग
आइटम के बीच समानता पर आधारित विधि, उन आइटम की सिफारिश करती है जो उपयोगकर्ता द्वारा पहले से पसंद किए गए आइटम के समान हैं, आमतौर पर उपयोगकर्ता दृष्टिकोण से अधिक स्थिर और स्केलेबल क्योंकि आइटम कम बार विकसित होते हैं।
शीत-प्रारंभ समस्या
एक प्रमुख चुनौती जहां सिस्टम ऐतिहासिक डेटा की कमी के कारण नए उपयोगकर्ताओं या आइटम के लिए विश्वसनीय सिफारिशें नहीं उत्पन्न कर सकता है, इनिशियलाइज़ेशन और सक्रिय जानकारी संग्रह रणनीतियों की आवश्यकता होती है।
विरल मैट्रिक्स
अनुशंसा प्रणालियों की एक अंतर्निहित विशेषता जहां उपयोगकर्ता-आइटम मैट्रिक्स के अधिकांश कोष्ठक खाली होते हैं, जो कम्प्यूटेशनल चुनौतियां पैदा करता है और अनुकूलित डेटा संरचनाओं और इम्प्यूटेशन तकनीकों की आवश्यकता होती है।
स्पष्ट बनाम अप्रत्यक्ष रेटिंग
उपयोगकर्ताओं द्वारा स्वेच्छा से प्रदान की गई प्रत्यक्ष मूल्यांकन (स्पष्ट) और देखे गए व्यवहार के आधार पर प्राथमिकता अनुमान (अप्रत्यक्ष) के बीच अंतर, प्रत्येक के अपने पूर्वाग्रह और विशिष्ट प्रसंस्करण विधियों के साथ।
लोकप्रियता पूर्वाग्रह
सहयोगी फ़िल्टरिंग की एक प्रणालीगत प्रवृत्ति जो लोकप्रिय आइटमों को अधिक अनुशंसित करती है, विविधता के खिलाफ, जो प्रबलन लूप बना सकती है और प्रासंगिक आला आइटमों की खोज को सीमित कर सकती है।
रेटिंग पूर्वानुमान
एक ऐसी प्रक्रिया जिसमें एक उपयोगकर्ता किसी अनमूल्यांकित आइटम को क्या रेटिंग देगा, इसका अनुमान लगाया जाता है, जो आमतौर पर आसन्न उपयोगकर्ताओं या समान आइटमों के मूल्यांकन का एक भारित संयोजन के रूप में गणना की जाती है, साथ में पूर्वाग्रह समायोजन के साथ।
शीर्ष-N अनुशंसाएँ
एक अनुशंसा दृष्टिकोण जो एक उपयोगकर्ता के लिए N सबसे प्रासंगिक आइटमों की एक क्रमबद्ध सूची उत्पन्न करता है, जो सटीक रेटिंग पूर्वानुमान की तुलना में एल्गोरिदम को अलग तरह से अनुकूलित करता है और विशिष्ट मूल्यांकन मेट्रिक्स की आवश्यकता होती है।
Z-स्कोर सामान्यीकरण
उपयोगकर्ता मूल्यांकन को मानकीकृत करने की एक तकनीक जिसमें माध्य घटाया जाता है और मानक विचलन से विभाजित किया जाता है, जिससे विभिन्न मूल्यांकन पैमानों वाले उपयोगकर्ताओं की तुलना की जा सके और व्यक्तिगत पूर्वाग्रहों के प्रभाव को कम किया जा सके।
विश्वसनीयता स्कोर
एक मेट्रिक जो गणना की गई समानता या पूर्वानुमान की विश्वसनीयता को मात्रात्मक रूप से व्यक्त करती है, जो आमतौर पर सामान्य मूल्यांकनों की संख्या और उनके विचरण पर आधारित होती है, जिसका उपयोग अनुशंसा गणनाओं में योगदानों को भारित करने के लिए किया जाता है।
समय भारित
एक विधि जो पुराने मूल्यांकनों की तुलना में हाल के मूल्यांकनों को अधिक भार देती है, जो उपयोगकर्ता प्राथमिकताओं के विकास को दर्शाती है और सुनिश्चित करती है कि स्वाद परिवर्तनों के मुकाबले अनुशंसाएँ प्रासंगिक रहें।
पूर्वानुमान समग्रीकरण
विभिन्न पड़ोसियों या विधियों के बहुविध पूर्वानुमानों को एक अंतिम अनुशंसा में संयोजित करने की प्रक्रिया, जिसमें भारित औसत, माध्य या मेटा-लर्निंग जैसी तकनीकों का उपयोग सटीकता को अनुकूलित करने के लिए किया जाता है।
आरएमएसई (रूट मीन स्क्वायर एरर)
एक मानक मूल्यांकन मेट्रिक जो पूर्वानुमानों और वास्तविक मूल्यांकन के बीच त्रुटियों के वर्गों के औसत का वर्गमूल मापती है, जो बड़ी त्रुटियों को कड़ाई से दंडित करती है और विचलित मानों के प्रति संवेदनशील होती है।
एमएई (मीन एब्सोल्यूट एरर)
एक मेट्रिक जो पूर्वानुमान त्रुटियों के निरपेक्ष मानों का औसत गणना करती है, जो आरएमएसई की तुलना में अधिक सहज व्याख्या प्रदान करती है और अनुशंसा प्रणालियों के मूल्यांकन में विचलित मानों के प्रति कम संवेदनशील होती है।