“Amazon” için sonuçlar
9 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka artık kişisel tercihlerinize göre ürün yorumlarını özetliyor
E-ticaret sitelerinde binlerce ürün yorumu arasında kaybolmak artık tarih olabilir. Araştırmacılar, her kullanıcının farklı ürün özelliklerini önemsediğini ve bu tercihlerin zamanla değiştiğini göz önünde bulundurarak yeni bir çözüm geliştirdi. PREFER adlı sistem, kullanıcı geri bildirimlerini sürekli analiz ederek kişiselleştirilmiş yorum özetleri üretiyor. Amazon Reviews'23 veri seti üzerinde yapılan testler, sistemin kullanıcı ilgi alanlarıyla uyumunu artırırken özet kalitesini koruduğunu gösteriyor. Bu teknoloji, online alışveriş deneyimini kökten değiştirebilir ve kullanıcıların gerçekten önemsedikleri bilgilere hızla ulaşmasını sağlayabilir.
Yeni yapay zeka modeli, gizliliği koruyarak farklı platformlardan öneri sistemi geliştirdi
Araştırmacılar, kullanıcı verilerinin gizliliğini koruyarak farklı platformlardaki bilgileri birleştiren yeni bir öneri sistemi geliştirdi. FedCRF adlı bu sistem, Netflix'ten Amazon'a kadar farklı platformlardaki kullanıcı davranışlarını analiz ederken kişisel bilgileri güvende tutuyor. Geleneksel yöntemlerin aksine, ortak kullanıcı veya ürün gerektirmeden çalışabilen sistem, metinsel anlamları köprü olarak kullanarak platformlar arası bilgi transferi sağlıyor. Federe öğrenme yaklaşımıyla sunucu tarafında global semantik kümeler oluştururken, istemci tarafında yerel veri dağılımlarına dinamik olarak adapte olan özel bir modül kullanıyor. Bu yenilik, dijital platformların artan veri dağınıklığı sorununa çözüm getirirken kullanıcı gizliliğini ön planda tutuyor.
HORIZON: Kullanıcı Davranışlarını Anlayan Yapay Zeka İçin Yeni Kıyaslama Standardı
Araştırmacılar, yapay zekanın kullanıcı davranışlarını daha iyi anlaması için HORIZON adlı kapsamlı bir kıyaslama sistemi geliştirdi. Amazon yorumlarından türetilen bu sistem, 54 milyon kullanıcı ve 35 milyon ürünü kapsayarak, mevcut sistemlerin aksine farklı zaman dilimlerinde ve çoklu alanlarda çalışabilen modelleri test ediyor. Geleneksel yaklaşımlar sadece kısa süreli oturumlar ve tek alan içindeki tahminlerle sınırlıyken, HORIZON gerçek dünya koşullarını simüle eden zorluklara odaklanıyor. Bu yenilik, öneri sistemlerinden kişiselleştirilmiş içerik sunumuna kadar pek çok alanda kullanılan yapay zeka modellerinin geliştirilmesinde önemli bir adım.
Yapay Zeka Öneri Sistemlerinde Yeni Dönem: BLaIR Benchmark'ı Geliştirildi
Araştırmacılar, büyük dil modellerinin öneri sistemlerindeki performansını değerlendirmek için BLaIR adlı kapsamlı bir benchmark geliştirdi. Bu yeni sistem, 570 milyondan fazla Amazon incelemesi ve 48 milyon ürün verisiyle destekleniyor. Geleneksel öneri sistemleri metin tabanlı ürün özelliklerini etkili şekilde kullanmakta zorlanırken, büyük dil modelleri bu alanda umut vaat ediyor. Ancak bu modellerin öneri görevlerindeki davranışları henüz tam olarak anlaşılmamıştı. BLaIR, sıralı öneri, işbirlikçi filtreleme ve ürün araması gibi farklı senaryoları kapsayarak, dil modellerinin semantik kodlayıcı olarak etkinliğini ölçmeyi amaçlıyor. Bu gelişme, e-ticaret platformlarından müzik önerilerine kadar geniş bir kullanım alanında daha akıllı ve kişiselleştirilmiş öneri sistemlerinin geliştirilmesine katkı sağlayabilir.
Öneri Sistemleri için Yeni Sıkıştırma Tekniği: BACO Framework
Araştırmacılar, büyük ölçekli öneri sistemlerinin karşılaştığı bellek ve hesaplama sorunlarına çözüm getirecek yeni bir framework geliştirdi. BACO adlı bu sistem, kullanıcı ve ürün verilerini daha verimli şekilde gruplandırarak, öneri kalitesinden ödün vermeden sistem performansını artırıyor. Geleneksel yöntemlerin aksine, kullanıcı-ürün etkileşimlerindeki benzerlik sinyallerini kullanarak akıllı gruplamalar yapıyor. Bu yaklaşım, Netflix, Amazon gibi platformların milyonlarca kullanıcıya hizmet verirken karşılaştığı teknik zorlukları hafifletmeyi hedefliyor. Çalışma, endüstriyel ölçekteki öneri sistemlerinin kaynak kısıtları altında daha verimli çalışabilmesi için önemli bir adım niteliği taşıyor.
Büyük Dil Modelleri Gerçek Dünya Kodlarını Analiz Etmekte Ne Kadar Başarılı?
Araştırmacılar, yapay zeka sistemlerinin matematik problemlerindeki başarısının gerçek yazılım kodlarını anlama yetisini gösterip göstermediğini test etmek için yeni bir değerlendirme sistemi geliştirdi. Amazon'un kripto kütüphanesi s2n-bignum'dan türetilen bu test, büyük dil modellerinin endüstriyel seviyedeki assembly kodlarını ne kadar iyi analiz edebildiğini ölçüyor. Sistem, matematiksel teoremler yerine gerçek dünyada kullanılan karmaşık yazılımları temel alıyor ve AI'ın pratik programlama görevlerindeki gerçek performansını ortaya çıkarıyor.
Yapay Zeka Öneri Sistemleri Kullanıcı Davranışlarına Göre Kendini Ayarlamayı Öğrendi
Araştırmacılar, Netflix ve Amazon gibi platformlarda kullanılan öneri sistemlerinde devrim yaratabilecek yeni bir teknoloji geliştirdi. 'AdaTTA' adı verilen bu sistem, her kullanıcının benzersiz davranış kalıbını analiz ederek kendini otomatik olarak ayarlayabiliyor. Geleneksel yöntemler tüm kullanıcılara aynı yaklaşımı uygularken, yeni teknoloji pekiştirmeli öğrenme kullanarak her kişiye özel stratejiler belirliyor. Sistem, kullanıcının geçmiş tercihlerini Markov Karar Süreci olarak modelleyip, en uygun veri artırma tekniklerini seçiyor. Bu yaklaşım, mevcut model yapısını değiştirmeden öneri doğruluğunu önemli ölçüde artırıyor ve veri yetersizliği sorununa çözüm sunuyor.
Yapay Zeka Öneri Sistemlerinde Yeni Algoritma: Kullanıcı Niyetlerini Daha İyi Anlıyor
Araştırmacılar, öneri sistemlerinin kullanıcı davranışlarını daha iyi anlaması için IPCCF adlı yeni bir algoritma geliştirdi. Bu sistem, Netflix'ten Amazon'a kadar birçok platformda kullanılan öneri mekanizmalarının temelini oluşturan işbirlikçi filtreleme yöntemini geliştiriyor. Geleneksel yöntemler sadece doğrudan etkileşimleri dikkate alırken, yeni algoritma kullanıcılar ve ürünler arasındaki tüm ilişki ağını analiz ediyor. Çifte sarmal mesaj yayılımı adı verilen yenilikçi yaklaşımla, sistemin kullanıcı niyetlerini anlaması ve bu niyetleri farklı kategorilere ayırması mümkün hale geliyor. Bu gelişme, öneri sistemlerinin hem daha doğru hem de daha açıklanabilir sonuçlar üretmesini sağlıyor.
Yapay Zeka Öneri Sistemlerinin Matematiksel Gizemi Çözüldü
Günümüzde e-ticaret ve dijital platformlarda yaygın kullanılan yapay zeka öneri sistemlerinin çalışma mekanizması teorik olarak açıklandı. Araştırmacılar, bu sistemlerde kullanılan oto-regresif token tahmin yönteminin, matematiksel olarak tam kelime dağarcığı maksimum olabilirlik tahmin yöntemiyle birebir eşdeğer olduğunu kanıtladı. Bu keşif, Netflix'ten Amazon'a kadar pek çok platformda 'sıradaki ne önerilsin' kararını veren algoritmaların teorik temellerini aydınlatıyor. Çalışma, öneri sistemlerinin sadece deneysel optimizasyonla değil, sağlam matematiksel temeller üzerine de inşa edilebileceğini gösteriyor. Bu teorik anlayış, gelecekte daha etkili ve öngörülebilir öneri algoritmaları geliştirilmesine katkı sağlayabilir.