食料品店から求人サービスまで、まったく異なるビジネスプロジェクトに適したマーケットプレイスを作成するためのユニバーサルプラットフォームでは、今日のオンラインサービスに対する要件の高まりにより、すでに人工知能の作業が必要になるため、絶え間ない改善が必要です。そして、検索結果に対するクライアントの満足度、ひいてはビジネスの成功は、AIシステムの正しいセットアップにかかっています。
例として、検索エンジンで使用されるコンテキスト検索を取り上げることができます。すべての検索エンジンは競争に勝ち、検索品質を向上させようとしますが、急速に変化する世界では、言葉による表現の意味が大幅に変わる可能性があります。たとえば、「フィード」という単語をリクエストすると、検索エンジンは以前は「サテンリボン」という結果を提供していましたが、検索結果にはチェーンストアと情報ポータルに関する情報が表示されるようになりました。しかし、人工知能は結果の発行を助け、記録的な速さで結果を修正するのに役立ちます。
テキストの一部が「リボン」という単語をきれいなパッケージの一部として定義しているとしましょう。簡単にするために、この単語のすべての意味を明確にすることなく分類します。たとえば、超精密ネットワークである畳み込みニューラルネットワーク（CNN）が原因です。このCNNアーキテクチャは、超精密でリカレントネットワークのいわゆるアンサンブルを使用し、出力で、テキストのセマンティックコンテンツに基づいて「テープ」という単語の関連する定義を提供します。入力データは、高さnが固定された行列 です。さらに、 各行は識別子、つまり次元kの特徴空間内の単語のベクトルマッピングです。 ..。フィーチャスペースを作成するには、配布セマンティクスツールであるFastText、Glove、Word2mVecを使用すると便利です。マトリックスは、フィーチャスペースの次元に等しい固定幅のフィルターによって処理されます。それらのサイズを選択するには、隣接する行の高さhのパラメーターを選択します。したがって、出力行列のサイズは、フィルターと元の行列の高さに依存します。この段階の後、特徴マップはサブサンプリングレイヤーによって処理され、生成された特徴マップの次元が縮小され、各畳み込みに割り当てられ、主要な情報が抽出されます。次に、特徴マップが特徴ベクトルに結合され、最終的なクラスラベルの計算に含まれます。
, , , . , . CBOW, , . : softmax – , , . , k . (2k+1). .
skip-gram, , , .
, . , , – , , , – . : -, -. – , .
, – , , , 5 .
-
. , , , , .
, 45 , , , . , , . «», , , , , .
. , . , . . , . «» . . Negative Sampling. «» :
, , :
.
– .
. .
ランキングアルゴリズムのバランスの取れた組み合わせにより、システム全体の品質が向上します。しかし、Googleのランキングシステムは、検索エンジンが最終的に機械学習アルゴリズムにランキングを委託する準備ができていないことを指摘しているため、例外を忘れてはなりません。自動生成されたモデルは、人間の専門家によって作成されたモデルと比較して、トレーニングセットからのクエリとは異なる新しいクラスのクエリで予期しない動作をする可能性があります。