Глоссарий ИИ
Полный словарь искусственного интеллекта
Многокритериальный коллаборативный фильтр
Расширение классического коллаборативного фильтра, которое одновременно учитывает несколько измерений оценки для прогнозирования пользовательских предпочтений и повышения точности персонализированных рекомендаций.
Агрегация предпочтений
Математический процесс, объединяющий множественные оценки пользователя по разным критериям для создания общего показателя предпочтения, используемого при ранжировании рекомендаций.
Многомерная матрица полезности
Структура данных, представляющая оценки пользователей по нескольким осям предпочтений, позволяющая тонко моделировать сложные вкусы, выходя за рамки простого показателя удовлетворенности.
Взвешивание критериев
Техника присвоения относительных коэффициентов важности каждому измерению оценки для отражения иерархии индивидуальных предпочтений и влияния на алгоритм рекомендации.
Многоцелевая функция полезности
Математическая модель, преобразующая оценки по нескольким критериям в единую величину полезности, интегрирующая компромиссы и взаимозаменяемости между различными измерениями предпочтений.
Пространство предпочтений
Многомерное векторное представление, где каждая ось соответствует критерию оценки, позволяющее визуализировать и вычислять сходства между сложными пользовательскими профилями.
Векторный профиль пользователя
Комплексное математическое представление предпочтений пользователя в виде многомерного вектора, где каждая компонента кодирует интенсивность предпочтения по конкретному критерию.
Рекомендация, оптимальная по Парето
Набор элементов, которые не могут быть улучшены по одному критерию без ухудшения производительности хотя бы по одному другому критерию, составляющие лучшие решения в многокритериальном контексте.
Système hybride multi-critères
Architecture combinant plusieurs techniques de recommandation (collaborative, content-based, knowledge-based) tout en gérant explicitement les multiples dimensions de préférence utilisateur.
Analyse de sensibilité des critères
Méthode évaluant l'impact des variations dans l'importance relative de chaque critère sur les recommandations finales, permettant d'identifier les dimensions les plus influentes.
Normalisation de préférences
Processus de standardisation des échelles d'évaluation des différents critères pour les rendre comparables et mathématiquement manipulables dans un cadre multi-dimensionnel cohérent.
Modèle de préférence additif
Approche où l'utilité globale d'un item est calculée comme la somme pondérée des utilités partielles sur chaque critère, supposant l'indépendance des dimensions de préférence.
Rétroaction implicite multi-critères
Inférence automatique des préférences utilisateur sur plusieurs dimensions à partir des comportements observés (clics, temps de consultation, achats) sans évaluation explicite directe.
Découpage de critères
Technique de segmentation des dimensions de préférence en sous-catégories plus granulaires pour affiner la personnalisation et capturer des nuances dans les goûts utilisateur.
Cartographie des préférences
Visualisation graphique des relations entre utilisateurs et items dans l'espace multi-critères, révélant des clusters de préférences et des patterns de comportement complexes.
Élicitation de préférences
Processus interactif d'acquisition des poids et importances relatives des différents critères auprès des utilisateurs, souvent via des questions comparatives ou des méthodes analytiques.
Композитная функция скоринга
Математический алгоритм, объединяющий индивидуальные оценки по каждому критерию в единую метрику релевантности, включающий параметры персонализации и ограничения предметной области.
Расхождение предпочтений
Мера, количественно определяющая разрыв между многокритериальными предпочтениями пользователя и характеристиками рекомендуемого элемента, используемая для оптимизации общего соответствия.