ECLARE: التصنيف المتطرف مع ارتباطات الرسم البياني للتصنيفات

التصنيف المتطرف العميق (XC) يسعى إلى تدريب هياكل عميقة قادرة على وضع علامة على نقطة بيانات بجزءها الأكثر صلة من مجموعة علامات ضخمة للغاية. القيمة الأساسية للـ XC تأتي من التنبؤ بالعلامات التي نادراً ما تظهر أثناء التدريب. هذه العلامات النادرة هي المفتاح للتوصيات الشخصية التي يمكن أن تسعد وتذهل المستخدم. ومع ذلك، فإن العدد الكبير للعلامات النادرة وقلة البيانات التدريبية لكل علامة نادرة يطرحان تحديات إحصائية وحسابية كبيرة. تحاول أحدث طرق التصنيف المتطرف العميق معالجة هذا الأمر من خلال دمج وصفات نصية للعلامات، لكنها لا تحل المشكلة بشكل كافٍ. يقدم هذا البحث نظام ECLARE، وهو هيكل تعليم عميق قابل للتوسع يدمج ليس فقط النصوص المرتبطة بالعلامات، بل أيضاً ارتباطات العلامات، لتقديم توقعات دقيقة في الوقت الفعلي خلال بضعة ميللي ثوانٍ. تتضمن المساهمات الأساسية لـ ECLARE هيكلًا م节俭 وتقنيات قابلة للتوسع لتدريب النماذج العميقة جنبًا إلى جنب مع رسوم بيانية لارتباطات العلامات بمقياس يصل إلى ملايين العلامات. وبشكل خاص، توفر ECLARE توقعات أكثر دقة بنسبة 2 إلى 14% في كل من مجموعات البيانات المرجعية العامة ومجموعات البيانات الخاصة لمهمة توصية المنتجات ذات الصلة المستمدة من محرك البحث بينغ. يمكن الوصول إلى الكود الخاص بـ ECLARE عبر الرابط: https://github.com/Extreme-classification/ECLARE.注：在最后一段中，“节俭”一词为中文，可能是翻译过程中的错误。正确的阿拉伯语词汇应该是“فرجالة”（frugal）。以下是修正后的版本：التصنيف المتطرف العميق (XC) يسعى إلى تدريب هياكل عميقة قادرة على وضع علامة على نقطة بيانات بجزءها الأكثر صلة من مجموعة علامات ضخمة للغاية. القيمة الأساسية للـ XC تأتي من التنبؤ بالعلامات التي نادراً ما تظهر أثناء التدريب. هذه العلامات النادرة هي المفتاح للتوصيات الشخصية التي يمكن أن تسعد وتذهل المستخدم. ومع ذلك، فإن العدد الكبير للعلامات النادرة وقلة البيانات التدريبية لكل علامة نادرة يطرحان تحديات إحصائية وحسابية كبيرة. تحاول أحدث طرق التصنيف المتطرف العميق معالجة هذا الأمر من خلال دمج وصفات نصية للعلامات، لكنها لا تحل المشكلة بشكل كافٍ. يقدم هذا البحث نظام ECLARE، وهو هيكل تعليم عميق قابل للتوسع يدمج ليس فقط النصوص المرتبطة بالعلامات، بل أيضاً ارتباطات العلامات، لتقديم توقعات دقيقة في الوقت الفعلي خلال بضعة ميللي ثوانٍ. تتضمن المساهمات الأساسية لـ ECLARE هيكلًا فرجالة وتقنيات قابلة للتوسع لتدريب النماذج العميقة جنبًا إلى جنب مع رسوم بيانية لارتباطات العلامات بمقياس يصل إلى ملايين العلامات. وبشكل خاص، توفر ECLARE توقعات أكثر دقة بنسبة 2 إلى 14% في كل من مجموعات البيانات المرجعية العامة ومجموعات البيانات الخاصة لمهمة توصية المنتجes ذات الصلة المستمدة من محرك البحث بينغ. يمكن الوصول إلى الكود الخاص بـ ECLARE عبر الرابط: https://github.com/Extreme-classification/ECLARE.