ترجمه فارسی مقاله کاوش مبتنی بر عدم قطعیت عمیق برای ساخت و بازیابی شاخص در سیستم پیشنهاددهنده
| عنوان مقاله به انگلیسی | Deep Uncertainty-Based Explore for Index Construction and Retrieval in Recommendation System |
| عنوان مقاله به فارسی | کاوش مبتنی بر عدم قطعیت عمیق برای ساخت و بازیابی شاخص در سیستم پیشنهاددهنده |
| نویسندگان | Xin Jiang, Kaiqiang Wang, Yinlong Wang, Fengchang Lv, Taiyang Peng, Shuai Yang, Xianteng Wu, Pengye Zhang, Shuo Yuan, Yifan Zeng |
| فرمت مقاله انگلیسی | |
| تعداد صفحات | 8 |
| دسته بندی موضوعات | Information Retrieval,Machine Learning,Machine Learning,بازیابی اطلاعات , یادگیری ماشین , یادگیری ماشین , |
| توضیحات | Submitted 5 August, 2024; v1 submitted 21 July, 2024; originally announced August 2024. , Comments: accepted by cikm2024 |
| توضیحات به فارسی | ارسال شده در 5 اوت 2024 ؛V1 ارسال شده 21 ژوئیه 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: پذیرفته شده توسط CIKM2024 |
قیمت: 19,000 تومان
دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحهای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.
قیمت: 99,000 تومان
سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحهای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.
قیمت: 320,000 تومان
زمان تحویل: 2 تا 3 روز کاری
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
چکیده
In recommendation systems, the relevance and novelty of the final results are selected through a cascade system of Matching -> Ranking -> Strategy. The matching model serves as the starting point of the pipeline and determines the upper bound of the subsequent stages. Balancing the relevance and novelty of matching results is a crucial step in the design and optimization of recommendation systems, contributing significantly to improving recommendation quality. However, the typical matching algorithms have not simultaneously addressed the relevance and novelty perfectly. One main reason is that deep matching algorithms exhibit significant uncertainty when estimating items in the long tail (e.g., due to insufficient training samples) items.The uncertainty not only affects the training of the models but also influences the confidence in the index construction and beam search retrieval process of these models. This paper proposes the UICR (Uncertainty-based explore for Index Construction and Retrieval) algorithm, which introduces the concept of uncertainty modeling in the matching stage and achieves multi-task modeling of model uncertainty and index uncertainty. The final matching results are obtained by combining the relevance score and uncertainty score infered by the model. Experimental results demonstrate that the UICR improves novelty without sacrificing relevance on realworld industrial productive environments and multiple open-source datasets. Remarkably, online A/B test results of display advertising in Shopee demonstrates the effectiveness of the proposed algorithm.
چکیده به فارسی (ترجمه ماشینی)
در سیستم های توصیه ، ارتباط و جدید بودن نتایج نهایی از طریق یک سیستم آبشار تطبیق -> رتبه بندی -> استراتژی انتخاب می شود.مدل تطبیق به عنوان نقطه شروع خط لوله عمل می کند و مرز بالایی مراحل بعدی را تعیین می کند.متعادل کردن ارتباط و جدید بودن نتایج تطبیق یک گام مهم در طراحی و بهینه سازی سیستم های توصیه است و به طور قابل توجهی در بهبود کیفیت توصیه نقش دارد.با این حال ، الگوریتم های تطبیق معمولی به طور همزمان به ارتباط و تازگی کاملاً پرداخته نشده اند.یکی از دلایل اصلی این است که الگوریتم های تطبیق عمیق هنگام تخمین موارد در دم بلند (به عنوان مثال ، به دلیل نمونه های آموزش کافی) ، عدم اطمینان قابل توجهی را نشان می دهند. عدم اطمینان نه تنها بر آموزش مدل ها تأثیر می گذارد بلکه بر اعتماد به نفس در ساخت شاخص و پرتو تأثیر می گذارد.روند بازیابی این مدل ها.این مقاله الگوریتم UICR (اکتشاف مبتنی بر عدم اطمینان برای ساخت و بازیابی شاخص) را ارائه می دهد ، که مفهوم مدل سازی عدم اطمینان را در مرحله تطبیق معرفی می کند و به مدل سازی چند وظیفه ای از عدم اطمینان مدل و عدم اطمینان شاخص می پردازد.نتایج تطبیق نهایی با ترکیب نمره ارتباط و نمره عدم اطمینان استنباط شده توسط مدل بدست می آید.نتایج تجربی نشان می دهد که UICR بدون قربانی کردن ارتباط در محیط های تولیدی صنعتی RealWorld و چندین مجموعه داده منبع باز ، تازگی را بهبود می بخشد.نکته قابل توجه ، نتایج آزمون آنلاین A/B از تبلیغات نمایشگر در Shopee اثربخشی الگوریتم پیشنهادی را نشان می دهد.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.