نتفليكس تختبر نموذجًا لغويًا لتحسين خوارزميات التوصية
اختبرت نتفليكس نظامًا للتوصية اسمه GenRec، وتقول إنه تفوّق على أساليبها الحالية مع احتياجه إلى بيانات تدريب موسومة أقل بكثير. يحوّل النظام سجل المشاهدة إلى نص عادي، ثم يحلّل نموذجًا لغويًا مضبوطًا تلك البيانات ويرتّب العناوين الموجودة في الكتالوج دفعة واحدة. وأظهرت الاختبارات الداخلية وتجربة مباشرة استمرت ٤ أسابيع تحسنًا في جودة التوصيات، بينها ارتفاع مقياس قصير الأجل بنسبة ٠٫١١٥٪ وآخر طويل الأجل بنسبة ٠٫٠٠٦٪. ومع ذلك، تصف نتفليكس GenRec بأنه خطوة مبكرة واعدة، ولا تخطط لاستبدال نظامها الحالي بالكامل في الوقت الراهن.
الحقائق الأساسية
حقق GenRec تحسنًا يقارب ١٫٦٪ في جودة الترتيب خلال الاختبارات غير المباشرة، مع استخدام أمثلة موسومة أقل بنحو ٤٠ مرة في مرحلة التدريب الثانية.
«Compared to the production system that has been tuned over many years, GenRec delivered about 1.6 percent better ranking quality offline. It needed roughly 40 times fewer labeled examples in the second training stage to get there.»
عرض المصدر ←شملت التجربة المباشرة نحو ١٠٪ من حركة المستخدمين، واقتصرت على واجهات توصية تُحسب نتائجها مسبقًا.
«For the online test, Netflix ran a four-week A/B experiment on about ten percent of its traffic, limited to recommendation surfaces that get pre-computed.»
عرض المصدر ←يمنع مكوّن منفصل النظام من اقتراح عناوين غير موجودة، إذ يقيّم عناصر الكتالوج الفعلية وحدها.
«To keep the model from suggesting titles that don't actually exist, Netflix adds a separate component that only scores real catalog entries.»
عرض المصدر ←
المصادر
شفت معلومة تحتاج تصحيح؟ بلّغنا ونتحقق ونصحّح — سياسة التصحيح
صحّح هذا الخبر