تسجيل SVD الموصى به
توضح هذه المقالة كيفية استخدام مكون Score SVD التوصية في مصمم التعلم الآلي من Azure. استخدم هذا المكون لإنشاء تنبؤات باستخدام نموذج توصية مدرب استنادًا إلى خوارزمية تحليل القيمة الفردية (SVD).
يمكن لمرشح SVD إنشاء نوعين مختلفين من التنبؤات:
عندما تقوم بإنشاء النوع الثاني من التنبؤات، يمكنك العمل بأحد هذه الأوضاع:
يراعي وضع الإنتاج جميع المستخدمين أو العناصر. يتم استخدامه عادةً في خدمة الويب.
يمكنك إنشاء درجات للمستخدمين الجدد، ليس للمستخدمين الذين تمت رؤيتهم أثناء التدريب فحسب. لمزيد من المعلومات، راجع الملاحظات الفنية.
يعمل وضع التقييم على مجموعة مصغرة من المستخدمين أو العناصر التي يمكن تقييمها. يتم استخدامه عادةً أثناء عمليات البنية الأساسية لبرنامج ربط العمليات التجارية.
لمزيد من المعلومات حول خوارزمية مقترح SVD، راجع الورقة البحثية تقنيات عامل المصفوفة لأنظمة التوصية.
طريقة تكوين التوصية بـ Score SVD
يدعم هذا المكون نوعين من التنبؤات، لكل منهما متطلبات مختلفة.
التنبؤ بالتقييمات
عندما تتنبأ بالتقييمات، يحسب النموذج كيفية تفاعل مستخدم مع عنصر معين، في ضوء بيانات التدريب. يجب أن توفر بيانات الإدخال لتسجيل النقاط كلًا من المستخدم والعنصر المراد تقييمهما.
أضف نموذج توصية مدربًا إلى مسارك، وقم بتوصيله بـ مُقترح SVD المتُدرب. يجب عليك إنشاء النموذج باستخدام المكون تدريب SVD التوصية.
بالنسبة إلى نوع التنبؤ المُقترح، حدد توقع التقييم. لا توجد معلمات أخرى مطلوبة.
أضف البيانات التي ترغب في عمل تنبؤات لها، واربطها بـ Dataset to score.
لكي يتنبأ النموذج بالتقييمات، يجب أن تحتوي مجموعة البيانات المدخلة على أزواج عنصر مستخدم.
يمكن أن تحتوي مجموعة البيانات على عمود ثالث اختياري من التصنيفات لزوج عنصر المستخدم في العمودين الأول والثاني. لكن سيتم تجاهل العمود الثالث أثناء التنبؤ.
إرسال المسار.
نتائج تنبؤات التقييم
تحتوي مجموعة بيانات الإخراج على ثلاثة أعمدة: المستخدمون والعناصر والتصنيف المتوقع لكل مستخدم وكل عنصر.
توصيات للمستخدمين
للتوصية بالعناصر للمستخدمين، يمكنك توفير قائمة بالمستخدمين والعناصر كمدخلات. من هذه البيانات، يستخدم النموذج معرفته بالعناصر الموجودة والمستخدمين لإنشاء قائمة بالعناصر ذات الجاذبية المحتملة لكل مستخدم. يمكنك تخصيص عدد التوصيات التي تم إرجاعها. يمكنك تعيين حد لعدد التوصيات السابقة المطلوبة لإنشاء توصية.
أضف نموذج توصية مدربًا إلى مسارك، وقم بتوصيله بـ مُقترح SVD المتُدرب. يجب عليك إنشاء النموذج باستخدام المكون تدريب SVD التوصية.
للتوصية بعناصر لقائمة مستخدمين، عيّن نوع تنبؤ المُقترح على توصية العنصر.
بالنسبة إلى تحديد العنصر الموصى به، حدد ما إذا كنت تستخدم مكون التسجيل في الإنتاج أو لتقييم النموذج. اختر إحدى هذه القيم التالية:
من كافة العناصر: حدد هذا الخيار إذا كنت تقوم بإعداد البنية الأساسية لبرنامج ربط العمليات التجارية لاستخدامه في خدمة ويب أو في الإنتاج. يتيح هذا الخيار وضع الإنتاج. يقدم المكون توصيات من جميع العناصر التي تمت مشاهدتها أثناء التدريب.
من العناصر المصنفة (لتقييم النموذج): حدد هذا الخيار إذا كنت تقوم بتطوير أو اختبار نموذج. يتيح هذا الخيار وضع التقييم. يقدم المكون توصيات من تلك العناصر الموجودة في مجموعة بيانات الإدخال التي تم تصنيفها فحسب.
من العناصر غير المصنفة (لاقتراح عناصر جديدة للمستخدمين): حدد هذا الخيار إذا كنت تريد أن يقدم المكون توصيات من تلك العناصر الموجودة في مجموعة بيانات التدريب التي لم يتم تقييمها فحسب.
أضف مجموعة البيانات التي تريد عمل تنبؤات لها، واربطها بـ مجموعة البيانات لتسجيل النقاط.
بالنسبة إلى من كل العناصر، يجب أن تتكون مجموعة بيانات الإدخال من عمود واحد. يحتوي على معرّفات المستخدمين لتقديم توصيات بشأنها.
يمكن أن تتضمن مجموعة البيانات عمودين إضافيين من معرفات العناصر والتصنيفات، لكن يتم تجاهل هذين العمودين.
بالنسبة إلى من العناصر المصنفة (لتقييم النموذج)، يجب أن تتكون مجموعة البيانات المدخلة من أزواج عناصر-مستخدم. يجب أن يحتوي العمود الأول على معرف المستخدم. يجب أن يحتوي العمود الثاني على معرفات العنصر المقابلة.
يمكن أن تتضمن مجموعة البيانات عمودًا ثالثًا من تقييمات عناصر المستخدم، لكن يتم تجاهل هذا العمود.
بالنسبة إلى من العناصر غير المصنفة (لاقتراح عناصر جديدة للمستخدمين)، يجب أن تتكون مجموعة البيانات المدخلة من أزواج عنصر-مستخدم. يجب أن يحتوي العمود الأول على معرف المستخدم. يجب أن يحتوي العمود الثاني على معرفات العنصر المقابلة.
يمكن أن تتضمن مجموعة البيانات عمودًا ثالثًا من تقييمات عناصر المستخدم، لكن يتم تجاهل هذا العمود.
الحد الأقصى لعدد العناصر التي يجب التوصية بها للمستخدم: أدخل عدد العناصر التي تريد إرجاعها لكل مستخدم. بشكل افتراضي، يوصي المكون بخمسة عناصر.
الحد الأدنى لحجم مجموعة التوصيات لكل مستخدم: أدخل قيمة تشير إلى عدد التوصيات السابقة المطلوبة. بشكل افتراضي، يتم تعيين هذه المعلمة على 2، مما يعني أن مستخدمين آخرين على الأقل قد أوصوا بالعنصر.
استخدم هذا الخيار فحسب إذا كنت تسجل في وضع التقييم. لا يتوفر الخيار إذا حددت From All Items أو من عناصر غير مصنفة (لاقتراح عناصر جديدة للمستخدمين).
بالنسبة إلى من العناصر غير المصنفة (لاقتراح عناصر جديدة للمستخدمين)، استخدم منفذ الإدخال الثالث، المسمى Training Data، لإزالة العناصر التي تم تصنيفها بالفعل من نتائج التنبؤ.
لتطبيق هذا عامل التصفية، قم بتوصيل مجموعة بيانات التدريب الأصلية بمنفذ الإدخال.
إرسال المسار.
نتائج توصية البند
تسرد مجموعة البيانات التي تم تسجيلها والتي تم إرجاعها بواسطة Score SVD التوصية العناصر الموصى بها لكل مستخدم:
- يحتوي العمود الأول على معرفات المستخدم.
- يتم إنشاء عدد من الأعمدة الإضافية، بناءً على القيمة التي قمت بتعيينها لـ الحد الأقصى لعدد العناصر التي يجب التوصية بها للمستخدم. يحتوي كل عمود على عنصر موصى به (بواسطة المعرف). يتم ترتيب التوصيات حسب تقارب عنصر المستخدم. يتم وضع العنصر ذو التقارب الأعلى في العمود العنصر 1.
ملاحظات فنية
إذا كان لديك البنية الأساسية لبرنامج ربط العمليات التجارية مع توصية بـ SVD، وقمت بنقل النموذج إلى الإنتاج، فاحذر من وجود اختلافات رئيسة بين استخدام المُقترح في وضع التقييم واستخدامه في وضع الإنتاج.
يتطلب التقييم، بحكم تعريفه، تنبؤات يمكن التحقق منها مقابل الحقيقة الأساس في مجموعة الاختبار. عند تقييم التوصية، يجب أن يتنبأ بالعناصر التي تم تصنيفها في مجموعة الاختبار فحسب. هذا يقيد القيم المحتملة التي يتم توقعها.
عند تشغيل النموذج، فإنك عادةً ما تقوم بتغيير وضع التنبؤ لتقديم توصيات بناءً على جميع العناصر الممكنة، من أجل الحصول على أفضل التنبؤات. بالنسبة للعديد من هذه التنبؤات، لا توجد حقيقة أكيدة مقابلة. لذلك لا يمكن التحقق من دقة التوصية بنفس الطريقة أثناء عمليات البنية الأساسية لبرنامج ربط العمليات التجارية.
الخطوات التالية
راجع مجموعة المكونات المتوفرة للتعلم الآلي من Azure.