“öneri sistemleri” için sonuçlar
38 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Müzik Türleri Arasındaki İlişki Haritası: Playlist Verilerinden Yeni Keşifler
Araştırmacılar, milyonlarca playlist verilerini analiz ederek müzik türleri arasındaki karmaşık ilişkileri görselleştiren yeni bir yöntem geliştirdi. Geleneksel müzik türü sınıflandırmaları, kategoriler arası sınırları abartarak gerçek dinleyici davranışlarını yansıtmakta yetersiz kalıyor. Bu çalışma, playlist ortak kullanım ağlarından hareketle müzik topluluklarını iki boyutlu bir sistemde karakterize ediyor: dış kapalılık ve iç farklılaşma. Yöntem, müzik platformlarının öneri sistemlerini ve sosyologların kültürel zevk araştırmalarını daha doğru verilerle destekleme potansiyeli taşıyor.
HABIT: Görsel Arama Sistemlerinde Devrim Yaratacak Yeni Yapay Zeka Modeli
Araştırmacılar, kullanıcıların bir referans görsel ve metin açıklamasıyla istediği görseli bulabileceği yeni nesil arama sistemi geliştirdi. HABIT adlı bu framework, mevcut sistemlerin en büyük sorunu olan 'gürültülü veri' problemini çözmek için tasarlandı. Sistem, karşılıklı bilgi tahmin modülü ve aşamalı öğrenme yaklaşımıyla, kişiselleştirilmiş arama ve öneri sistemlerinde çığır açacak nitelikte. Özellikle e-ticaret, sosyal medya ve dijital arşiv uygulamalarında büyük potansiyele sahip olan teknoloji, yapay zekanın görsel anlama kapasitesini bir üst seviyeye taşıyor.
Yapay Zeka Modellerinin İş Birliği İle Öneri Sistemleri Güçleniyor
Araştırmacılar, büyük dil modellerinin (LLM) öneri sistemlerinde nasıl daha etkili kullanılabileceğine dair yeni bir yaklaşım geliştirdi. Tek bir yapay zeka modelinin sınırlılıklarını aşmak için birden fazla modelin güçlü yanlarını birleştiren MLTFR adlı sistem, kullanıcı davranışlarını analiz ederek en uygun önerileri sunuyor. Bu yenilik, e-ticaret sitelerinden sosyal medya platformlarına kadar geniş bir kullanım alanına sahip olan öneri sistemlerinin performansını artırarak, kullanıcıların istedikleri içeriği bulmasını kolaylaştırıyor.
Yapay Zeka Kişiselleştirmesinde Çığır Açan HyRe Yöntemi
Araştırmacılar, yapay zeka sistemlerinin kullanıcı tercihlerine gerçek zamanlı adaptasyonu için yeni bir yöntem geliştirdi. Hypothesis Reweighting (HyRe) adı verilen bu teknik, sadece 1-5 örnek kullanarak AI modellerini bireysel tercihlere uyarlayabiliyor. Geleneksel yöntemler maliyetli ve zaman alıcıyken, HyRe tek bir ileri geçişle personalizasyon sağlıyor. Sistem, farklı tercih yorumlarını yakalayan çoklu tahmin kafaları kullanarak, Bayesci güncelleme ile en uygun olanları ağırlıklandırıyor. Bu gelişme, chatbotlardan öneri sistemlerine kadar geniş uygulama alanına sahip.
AI Öneri Sistemlerinde Bilgi Boşluklarını Akıllıca Dolduran Yeni Yöntem
Araştırmacılar, büyük dil modellerinin öneri sistemlerindeki temel sorunu çözen yeni bir yaklaşım geliştirdi. Bu modeller bazı ürünleri çok iyi tanırken diğerleri hakkında yetersiz bilgiye sahip, bu da tutarsız öneriler yaratıyor. Geleneksel yöntemler her ürün için ekstra bilgi eklerken, yeni KnowSA_CKP sistemi modelin mevcut bilgisini analiz ederek yalnızca gerekli yerlere ek bilgi enjekte ediyor. Bu sayede hem hesaplama kaynakları verimli kullanılıyor hem de önerilerin kalitesi artıyor. Yöntem, yapay zekanın öneri sistemlerinde daha etkili ve akıllı kullanımına önemli bir katkı sunuyor.
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.
HopRank: Yapay Zeka Modelleri Artık Grafikleri Kendi Başına Öğrenebiliyor
Araştırmacılar, büyük dil modellerinin graf yapılarındaki düğümleri sınıflandırmasını sağlayan yenilikçi bir yöntem geliştirdi. HopRank adlı bu sistem, etiketli veriye ihtiyaç duymadan graf topolojisindeki benzerlik ilişkilerini kullanarak öğrenim gerçekleştiriyor. Geleneksel graf sinir ağları, metin anlama konusunda yetersiz kalırken çok sayıda etiketli veriye bağımlı. Yeni yaklaşım ise düğüm sınıflandırması problemini bağlantı tahmini görevi olarak yeniden tanımlayarak, graf yapısının doğal olarak içerdiği sınıf bilgisinden faydalanıyor. Bu breakthrough, atıf analizi, sosyal ağlar ve öneri sistemleri gibi alanlarda önemli uygulamalara sahip.
Yapay Zeka Asistanları İstenmeyen İçerikleri Nasıl Filtreleyecek?
Kişiselleştirilmiş öneri sistemleri içerik keşfinde başarılı olmalarına rağmen, kullanıcıları rahatsız edici veya istenmeyen bilgilere maruz bırakabiliyor. Araştırmacılar, büyük dil modellerinin bu konudaki iki temel sorununu çözmek için yeni bir yaklaşım geliştirdi. Mevcut sistemler görsel olarak uygunsuz içerikleri tespit etmede yetersiz kalırken, aynı zamanda kullanıcının belirli bir hoşnutsuzluğunu yanlış genelleyerek eğitici materyalleri de engelleyebiliyor. Bu durum çok sayıda yanlış pozitif sonuca yol açarak kullanıcı deneyimini olumsuz etkiliyor. Yeni geliştirilen sistem, çoklu modalite algısı ve çok aracılı işbirliği ile bu sorunları aşmayı hedefliyor.
RankUp: Büyük Ölçekli Reklam Öneri Sistemlerinde Yeni Dönem
Araştırmacılar, büyük ölçekli reklam öneri sistemlerinde karşılaşılan önemli bir sorunu çözmek için RankUp adını verdikleri yeni bir mimari geliştirdiler. Mevcut sistemlerde model derinliği artırıldığında, temsil kapasitesinin beklenenin aksine düştüğü gözlemlenmişti. Bu durum, derin katmanlarda veri temsilinin etkisizleşmesi anlamına geliyordu. RankUp mimarisi, rastgele permütasyon bölme, çoklu gömme paradigması ve global token entegrasyonu gibi yenilikçi yaklaşımlarla bu sorunu aşmayı hedefliyor. Sistem, büyük ölçekli üretim ortamında tam olarak devreye alınmış durumda. Bu gelişme, özellikle dijital reklamcılık sektörü için önemli performans artışları vaat ediyor.
Yapay Zeka Önerilerinde Şaşırtıcı Keşif: Orta Katmanlar Daha Başarılı
Stanford araştırmacıları, büyük dil modellerinin öneri sistemlerinde kullanımında beklenmedik bir fenomen keşfetti. Araştırma, bu modellerin orta katmanlarından elde edilen temsillerin, son katmanlara kıyasla öneri görevlerinde daha iyi performans sergilediğini ortaya koyuyor. Bu 'Orta Katman Üstünlüğü' olarak adlandırılan durum, mevcut sıkıştırma yöntemlerinin yeniden gözden geçirilmesini gerektiriyor. Bilim insanları bu durumu modülerlik teorisiyle açıklıyor: dil modelleri kendiliğinden içsel işlevsel modülerlik geliştiriyor ve son katmanı belirli görevlerde uzmanlaşmaya zorluyor. Bu keşif, endüstriyel öneri sistemlerinde yapay zeka kullanımının optimize edilmesi açısından kritik önem taşıyor.
Yapay Zeka Bilgi Grafiklerindeki Eksik Bağlantıları Tek Seferde Tahmin Ediyor
Araştırmacılar, bilgi grafiklerindeki eksik bilgi üçlülerini (subject-predicate-object) daha tutarlı şekilde tahmin edebilen yeni bir yapay zeka modeli geliştirdi. DiffTSP adlı bu model, geleneksel yöntemlerin aksine eksik bilgileri tek tek değil, bir bütün olarak ele alıyor. Bilgi grafiklerinin tamamlanması, arama motorlarından öneri sistemlerine kadar birçok alanda kritik öneme sahip. Yeni yaklaşım, discrete diffusion (ayrık difüzyon) tekniğini kullanarak önce bilgi grafiğine gürültü ekliyor, sonra bu süreci tersine çevirerek eksik bağlantıları ortaya çıkarıyor. Bu sayede tahmin edilen bilgiler arasındaki tutarlılık ve bağımlılık ilişkileri korunuyor.
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.
Graf Tabanlı Yapay Zeka: Öneri Sistemlerinde Yeni Dönem
Araştırmacılar, graf yapıları üzerinde çalışan yeni bir yapay zeka algoritması geliştirdi. Bu sistem, birbirine bağlı veriler arasındaki ilişkileri kullanarak daha akıllı öneriler sunabiliyor. Özellikle içerik tabanlı öneri sistemlerinde devrim yaratabilecek bu yaklaşım, her bir öğenin komşularından öğrenerek tahminlerini geliştiriyor. Geleneksel yöntemlerin aksine, bu algoritma büyük veri setlerinde bile verimli çalışabiliyor ve gerçek dünya uygulamalarında binlerce öğe için kullanıcı tercihlerini başarıyla tahmin edebiliyor. Makine öğrenmesi ve öneri sistemleri alanında önemli bir adım olan bu çalışma, sosyal medya platformlarından e-ticaret sitelerine kadar geniş uygulama alanına sahip.
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.
Yapay zeka bilgi grafiklerinde sayısal akıl yürütme için yeni model
Bilgi grafikleri, yapay zeka uygulamalarının temel taşlarından biri olarak natural language processing ve öneri sistemlerinde kritik rol oynuyor. Araştırmacılar, bu grafiklerdeki sayısal verileri (uzunluk, ağırlık gibi) kullanarak yeni bilgiler çıkarma konusunda önemli bir adım attı. Mevcut modeller, varlıkları, ilişkileri ve sayısal özellikleri birlikte işlemekte zorlanıyor ve yakın değerler arasındaki ince farkları yakalayamıyordu. NumCoKE adı verilen yeni yaklaşım, bu sorunları uzmanların karışımı ve karşıtlı öğrenme teknikleriyle çözmeyi hedefliyor. Model, özellikle 'daha uzun' veya 'daha ağır' gibi sıralama ilişkilerini anlamakta gösterdiği başarıyla dikkat çekiyor. Bu gelişme, yapay zekanın sayısal verileri daha etkili şekilde yorumlamasını sağlayarak çeşitli AI uygulamalarının performansını artırma potansiyeli taşıyor.
Yapay Zeka ile Yerel Yaşam Önerileri: Coğrafi Kısıtları Aşan Yeni Yaklaşım
Araştırmacılar, yerel yaşam öneri sistemlerinin karşılaştığı iki temel sorunu çözmek için yeni bir yaklaşım geliştirdi. ReST adlı bu framework, kullanıcıların bulundukları coğrafi alandaki işletme ve hizmetlere ulaşımını iyileştirmeyi hedefliyor. Sistem, geleneksel kullanıcı odaklı yaklaşımlardan farklı olarak işletme merkezli bir perspektif benimsiyor. Yerel yaşam uygulamalarında popüler olmayan ama kaliteli işletmelerin keşfedilmesini kolaylaştıran bu teknoloji, coğrafi kısıtlamaları göz önünde bulundurarak daha etkili öneriler sunabiliyor. Günlük yaşamda kullandığımız restoran, market ve hizmet önerisi uygulamalarının performansını artırması beklenen bu geliştirme, yapay zeka destekli öneri sistemlerinde önemli bir adım olarak değerlendiriliyor.
Yapay Zeka Artık Kişisel Geçmişinizi Analiz Ederek İkna Gücünü Ölçebiliyor
Araştırmacılar, mesajların ikna edicilik gücünü tahmin etmek için devrim niteliğinde bir yapay zeka sistemi geliştirdi. Sistem, kullanıcıların geçmiş aktivitelerini analiz ederek kişisel profiller oluşturuyor ve bu sayede hangi mesajların hangi kişiler üzerinde daha etkili olacağını öngörebiliyor. Reddit'teki ChangeMyView verilerini kullanan deneyler, sistemin başarı oranını yüzde 33'ten önemli ölçüde artırdığını gösterdi. Bu teknoloji, öneri sistemlerinden yapay zeka güvenlik değerlendirmelerine kadar geniş bir uygulama alanına sahip. Sistem, kullanıcının değerleri, deneyimleri ve düşünme tarzı gibi kişisel özelliklerini dikkate alarak ikna süreçlerini daha iyi anlayabiliyor.
Yapay zeka ile kişiselleştirilmiş egzersiz önerisi: LiveGraph sistemi
Araştırmacılar, dijital öğrenme ortamlarında öğrencilere kişiselleştirilmiş egzersiz önerileri sunan yeni bir yapay zeka sistemi geliştirdi. LiveGraph adı verilen bu sistem, aktif ve pasif öğrenciler arasındaki katılım dengesizliğini gidermek için graf tabanlı bir yaklaşım kullanıyor. Geleneksel öneri sistemleri, bazı öğrencilerin çok aktif olurken diğerlerinin pasif kalması sorunu ile karşılaşıyor. LiveGraph, öğrencilerin öğrenme geçmişlerindeki yapısal ilişkileri analiz ederek, hem doğru hem de çeşitli içerik önerileri sunabiliyor. Sistem, dinamik yeniden sıralama mekanizması sayesinde farklı öğrenme tarzlarına uyum sağlayabiliyor. Bu yenilik, eğitim teknolojilerinde kişiselleştirmenin önemini vurgularken, yapay zekanın eğitim alanındaki potansiyelini de ortaya koyuyor.
Büyük Bilgi Graflarında Yapay Zeka Sorgularını Hızlandıran Yeni Sistem Geliştirildi
Araştırmacılar, büyük bilgi grafları üzerinde çalışan yapay zeka modellerinin performansını artıran yeni bir sistem geliştirdi. KG-WISE adlı bu sistem, geleneksel yöntemlerin aksine her sorguya özel olarak adapte olabiliyor. Mevcut hızlandırma teknikleri modelleri küçültmeye odaklanırken, yeni yaklaşım modeli sorguya göre parçalara ayırıyor ve sadece gerekli bileşenleri kullanıyor. Bu sayede gereksiz hesaplama ve veri yükleme işlemlerini büyük ölçüde azaltıyor. Sistem, büyük dil modellerinin rehberliğinde çalışarak, her sorgunun karmaşıklığına ve yapısına göre en uygun model bileşenlerini seçiyor. Bu gelişme, arama motorları, öneri sistemleri ve bilgi çıkarım uygulamaları gibi büyük graf verilerini işleyen sistemlerin performansını önemli ölçüde artırabilir.
Yeni AI Sistemi Kullanıcı Tercihlerini Daha Doğru Tahmin Ediyor
Araştırmacılar, öneri sistemlerinde devrim yaratabilecek yeni bir yapay zeka yaklaşımı geliştirdi. BIPCL adlı bu sistem, kullanıcıların değişen tercihlerini çok daha başarılı şekilde modelleyebiliyor. Mevcut öneri sistemleri genellikle kullanıcıların davranışlarının arkasındaki farklı niyetleri tam olarak yakalayamıyor ve bilgileri etkili şekilde paylaşamıyor. Yeni yaklaşım, kullanıcı ve ürün tarafında ortak niyet prototipleri oluşturarak bu sorunu çözüyor. Sistem, çift yönlü niyet geliştirme mekanizması sayesinde hem ürün hem de kullanıcı dizisi temsillerini güçlendiriyor. Bu gelişme, e-ticaret platformlarından sosyal medya uygulamalarına kadar geniş bir alanda daha kişiselleştirilmiş ve doğru öneriler sunulmasının önünü açıyor.
Yapay Zeka Öneri Sistemlerinin Gizli Açmazları Ortaya Çıkarıldı
Büyük dil modelleri (LLM) tabanlı öneri sistemleri, Netflix gibi platformlarda yeni kullanıcılara film önerebilmek için geliştirildi. Ancak yeni bir araştırma, bu gelişmiş yapay zeka sistemlerinin beklenenden çok daha kötü performans sergilediğini ortaya koydu. Araştırmacılar, 500 kullanıcı üzerinde yaptıkları detaylı testlerde, LLM tabanlı sistemlerin üç kritik sorunu olduğunu keşfetti: çok az sayıda filme ulaşabilme, aynı 3 filmi herkese önerme eğilimi ve alakalı-alakasız filmler arasında ayrım yapamama. Basit rastgele öneriler bile bu karmaşık sistemlerden daha iyi sonuçlar verdi. Bu bulgular, yapay zeka tabanlı öneri sistemlerinin pratikte düşünüldüğü kadar etkili olmadığını gösteriyor.
Endüstriyel Öneri Sistemlerinde Devrim: LLMAR Çerçevesi Geliştirildi
Araştırmacılar, endüstriyel B2B uygulamalarda karşılaşılan veri kıtlığı sorununu çözmek için LLMAR adlı yenilikçi bir öneri sistemi geliştirdi. İnşaat sahası risk tahmini ve malzeme tedariki gibi alanlarda kullanılan geleneksel sistemler, yetersiz etkileşim verisi nedeniyle başarısız oluyor. LLMAR, büyük dil modellerinin akıl yürütme yeteneklerini kullanarak kullanıcıların gizli motivasyonlarını anlıyor ve hiçbir eğitim süreci gerektirmiyor. Sistem, davranış geçmişini yapılandırılmış anlamlı motivasyonlara dönüştüren çıkarım odaklı açıklama ve halüsinasyonları önleyen öz-düzeltme mekanizması gibi özellikler sunuyor. Bu yenilik, veri kıtlığının yaşandığı endüstriyel alanlarda öneri sistemlerinin etkinliğini artırma potansiyeli taşıyor.
Yapay zeka önerileri klasik ve modern yöntemleri birleştiren hibrit yaklaşımla güçleniyor
Araştırmacılar, öneri sistemlerinde geleneksel matris faktörizasyonu ile modern tekniklerinin güçlü yanlarını birleştiren yeni bir hibrit yaklaşım geliştirdi. Son yıllarda yapay sinir ağları gibi karmaşık modeller öneri sistemlerinde baskın hale gelse de, geleneksel yöntemlerin basitlik ve hesaplama verimliliği açısından hâlâ rekabetçi olduğu kanıtlanmıştı. Yeni araştırma, kullanıcı-ürün ve ürün-ürün önerilerini ağırlıklı benzerlik çerçevesi içinde birleştirerek top-N önerileri sunuyor. Yaklaşımın en önemli özelliği, her iki öneri stratejisi için ortak kullanıcı ve ürün gömme vektörlerini kullanması, böylece mimariyi basitleştirip hesaplama verimliliğini artırması. Çoklu veri setlerinde yapılan kapsamlı deneyler, yöntemin rekabetçi performans sergilediğini gösteriyor.
Yapay zeka öneri sistemlerinde zamansal davranış analizi: TAI2Vec modeli
Stanford ve diğer üniversitelerden araştırmacılar, kullanıcı davranışlarındaki zaman boyutunu daha etkili analiz edebilen yeni bir yapay zeka modeli geliştirdi. TAI2Vec adlı bu sistem, öneri algoritmalarının temelini oluşturan item embedding teknolojisine zamansal farkındalık kazandırıyor. Geleneksel yöntemler kullanıcı etkileşimlerini zamansız bir şekilde değerlendirirken, yeni yaklaşım kısa ve uzun vadeli tercihleri birbirinden ayırt edebiliyor. Model, dakikalar arayla yapılan etkileşimlerle aylar arayla yapılanları aynı önemde görmek yerine, her kullanıcının bireysel davranış temposuna uyarlanabiliyor. Bu gelişme, e-ticaret platformlarından sosyal medya algoritmalarına kadar geniş bir yelpazede daha kişiselleştirilmiş ve doğru öneriler sunulmasını sağlayabilir.