HyperAIHyperAI

Command Palette

Search for a command to run...

SVD-AE: مشغلات تلقائية بسيطة للتصفية التعاونية

Seoyoung Hong Jeongwhan Choi Yeon-Chang Lee Srijan Kumar Noseong Park

الملخص

تم بحث أساليب التصفية التعاونية (CF) لنظم التوصية بشكل واسع، وشمل ذلك من تحليل المصفوفات وطرق التشفير التلقائي القائمة على الشبكات إلى الأساليب القائمة على التصفية الرسومية. ومؤخرًا، تم اقتراح أساليب خفيفة الوزن تتطلب تدريبًا شبه معدوم لتقليل الحسابات الإجمالية. ومع ذلك، لا يزال هناك مجال للتحسين في التوازن بين الدقة والكفاءة والصلابة في الأساليب الحالية. وبشكل خاص، لا توجد دراسات مُصممة جيدًا بحل تحليلي مغلق (closed-form) لمشكلة التصفية التعاونية المتوازنة من حيث التنازلات المذكورة أعلاه. في هذا البحث، نصمم SVD-AE، وهو مُشفّر تلقائي خطي بسيط وفعّال يعتمد على تحليل المتجهات الفردية (SVD)، حيث يمكن تعريف حلّه التحليلي المغلق بناءً على تحليل SVD في سياق التصفية التعاونية. لا يتطلب SVD-AE عمليات تدريب تكرارية، حيث يمكن حساب حلّه التحليلي المغلق دفعة واحدة. علاوةً على ذلك، ندرس مقاومة الأساليب الحالية للتوصية أمام التفاعلات الضوضائية، وكذلك مقاومة SVD-AE، مع الأخذ بعين الاعتبار الطبيعة الضوضائية لمصفوفة التقييمات. ونتيجة لذلك، نُظهر أن اختيار التصميم البسيط القائم على تحليل SVD المُقطّع يمكن أن يُستخدم لتعزيز مقاومة الضوضاء في التوصية مع تحسين الكفاءة في الوقت نفسه. يُتاح الكود على الرابط: https://github.com/seoyoungh/svd-ae.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
SVD-AE: مشغلات تلقائية بسيطة للتصفية التعاونية | مستندات | HyperAI