एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
अनुक्रमिक अनुशंसा
अनुशंसा प्रणालियों का एक दृष्टिकोण जो उपयोगकर्ता की बातचीत के कालानुक्रमिक क्रम को मॉडल करता है ताकि भविष्य की रुचियों का अनुमान लगाया जा सके। पारंपरिक विधियों के विपरीत, यह समय-आधारित निर्भरताओं और प्राथमिकताओं के विकास को पकड़ता है।
सत्र-आधारित अनुशंसा
अनुक्रमिक अनुशंसा का एक उप-क्षेत्र जो एक एकल उपयोगकर्ता सत्र के भीतर बातचीत पर केंद्रित है। इसे दीर्घकालिक इतिहास की आवश्यकता नहीं है और यह प्रासंगिक अनुशंसाएं उत्पन्न करने के लिए तत्काल व्यवहार पर आधारित है।
मार्कोव निर्णय प्रक्रिया
अनुक्रमिक निर्णय लेने के लिए एक औपचारिक गणितीय मॉडल जहां भविष्य की स्थितियां केवल वर्तमान स्थिति और की गई कार्रवाई पर निर्भर करती हैं। आइटमों के बीच संक्रमणों को मॉडल करने के लिए अनुशंसा प्रणालियों में लागू किया जाता है।
GRU4Rec
गेटेड रिकरेंट यूनिट्स (GRU) पर आधारित एक रिकरेंट न्यूरल नेटवर्क आर्किटेक्चर जो विशेष रूप से सत्र-आधारित अनुशंसा के लिए डिज़ाइन किया गया है। यह अनुक्रमिक डेटा पर प्रदर्शन में सुधार के लिए ध्यान तंत्र और नमूनाकरण तकनीकों का उपयोग करता है।
BERT4Rec
BERT आर्किटेक्चर से अनुकूलित एक अनुक्रमिक अनुशंसा मॉडल जो संदर्भ निर्भरताओं को पकड़ने के लिए द्विदिशी ट्रांसफार्मर का उपयोग करता है। यह मजबूत अनुक्रमिक प्रतिनिधित्व सीखने के लिए पूर्व-प्रशिक्षण कार्य के रूप में आइटम मास्किंग लागू करता है।
ट्रांसफॉर्मर-आधारित अनुशंसा
बातचीत अनुक्रमों में दीर्घ-दूरी की निर्भरताओं को पकड़ने के लिए ट्रांसफॉर्मर आर्किटेक्चर का उपयोग करने वाले मॉडल का एक वर्ग। मल्टी-हेड अटेंशन तंत्र के लिए धन्यवाद, ये मॉडल पारंपरिक RNN को पीछे छोड़ देते हैं।
अनुक्रमिक पैटर्न खनन
उपयोगकर्ता लेनदेन अनुक्रमों में बारंबार और क्रमबद्ध पैटर्न निकालने की प्रक्रिया। ये पैटर्न विशिष्ट व्यवहारों को समझने और देखे गए रुझानों के आधार पर अनुशंसाएं उत्पन्न करने के लिए आधार के रूप में काम करते हैं।
अगला आइटम भविष्यवाणी
अनुक्रमिक अनुशंसा की एक मौलिक कार्य जिसमें उस अगले आइटम का अनुमान लगाना शामिल है जिसके साथ कोई उपयोगकर्ता बातचीत करने की संभावना रखता है। यह अधिकांश आधुनिक अनुक्रमिक मॉडल के लिए प्रशिक्षण उद्देश्य के रूप में काम करता है।
टेम्पोरल डायनामिक्स
वह घटना जहाँ उपयोगकर्ता की प्राथमिकताएँ समय के साथ विकसित होती हैं, जिसके लिए इन धीरे-धीरे होने वाले बदलावों को पकड़ने वाले मॉडल की आवश्यकता होती है। अनुक्रमिक अनुशंसा प्रणालियाँ सुझावों की प्रासंगिकता बनाए रखने के लिए इन गतिशीलताओं को एकीकृत करती हैं।
उपयोगकर्ता सत्र मॉडलिंग
एक सत्र के भीतर उपयोगकर्ता की इंटरैक्शन को एक सार्थक क्रमबद्ध अनुक्रम के रूप में दर्शाने की तकनीक। यह तत्काल अनुशंसाओं के लिए अल्पकालिक इरादे और ब्राउज़िंग संदर्भ को पकड़ने में सक्षम बनाती है।
अनुक्रमिक एम्बेडिंग
आइटम्स या उपयोगकर्ताओं का वेक्टर प्रतिनिधित्व जो इंटरैक्शन की अनुक्रमिक और प्रासंगिक जानकारी को संरक्षित रखता है। ये एम्बेडिंग्स आइटम्स की आंतरिक विशेषताओं और उनके बीच अंतरालिक संबंधों दोनों को पकड़ते हैं।
SASRec
सेल्फ-अटेंटिव सीक्वेंशियल रिकमेंडेशन, एक अग्रणी मॉडल जो अनुक्रमिक अनुशंसा के लिए केवल अटेंशन तंत्र का उपयोग करता है। यह पारंपरिक RNN की सीमाओं के बिना लंबी दूरी की निर्भरताओं को प्रभावी ढंग से पकड़ता है।
NARM
न्यूरल अटेंटिव रिकमेंडेशन मशीन, एक मॉडल जो सत्र-आधारित अनुशंसा के लिए RNN और अटेंशन तंत्र को जोड़ता है। यह समग्र अनुक्रमिक व्यवहार और वर्तमान सत्र के मुख्य इरादों दोनों को पकड़ता है।
STAMP
शॉर्ट-टर्म अटेंशन/मेमोरी प्रायोरिटी मॉडल, एक आर्किटेक्चर जो सत्र-आधारित अनुशंसा के लिए नवीनतम इंटरैक्शन पर ध्यान केंद्रित करती है। यह अल्पकालिक मेमोरी में विभिन्न आइटम्स के महत्व को भारित करने के लिए अटेंशन का उपयोग करता है।
टाइम-अवेयर अनुशंसा
एक ऐसी दृष्टिकोण जो अनुशंसा मॉडल में स्पष्ट रूप से अंतरालिक जानकारी (टाइमस्टैम्प्स, अवधि, चक्र) को एकीकृत करती है। यह अंतरालिक पैटर्न और इंटरैक्शन की नवीनता को पकड़कर सटीकता में सुधार करती है।
अनुक्रमिक कोल्ड स्टार्ट
अनुक्रमिक प्रणालियों के लिए एक विशिष्ट चुनौती जब कम या कोई इतिहास न होने वाले नए उपयोगकर्ताओं या आइटम्स के लिए अनुशंसा की जाती है। समाधानों में ट्रांसफर लर्निंग और इस समस्या को कम करने के लिए सत्र-आधारित मॉडल शामिल हैं।
जीएनएन-आधारित अनुक्रमिक अनुशंसा
ग्राफ न्यूरल नेटवर्क्स का उपयोग करके अनुक्रमों में आइटम्स के बीच जटिल संबंधों को मॉडल करने की दृष्टिकोण। यह अनुक्रमिक डेटा में स्थिति संक्रमण और अंतर्निहित ग्राफ संरचनाओं को प्रभावी ढंग से कैप्चर करता है।
स्तरीय अनुक्रमिक मॉडलिंग
विभिन्न समय स्केल पर पैटर्न को कैप्चर करने के लिए कई स्तरों के अमूर्तता (सत्र, दिन, सप्ताह) में अनुक्रमों को मॉडल करने की तकनीक। यह उपयोगकर्ता व्यवहार की अधिक बारीक समझ की अनुमति देता है।
विपरीतात्मक अनुक्रमिक सीखना
एक ही अनुक्रम के सकारात्मक विचारों के बीच समानता को अधिकतम करके अनुक्रमिक प्रतिनिधित्व में सुधार करने के लिए विपरीतात्मक सीखने का उपयोग करने वाला सीखने का पैराडाइम। यह शोर और विरल डेटा के खिलाफ मॉडल की मजबूती को बढ़ाता है।