جوجل للسماح للجمهور اكتشاف مخزن تطبيقات أكثر إثارة للاهتمام في مجال الذكاء الاصطناعي تحت العمل القدم. AppSo (العامة رقم AppSo) وترجمة معتمدة من سلسلة من المقالات أقول لك كيف ضبطها جوجل الذكاء الاصطناعي، بحيث إن Google Play الخاص الدقيق توصية التطبيق. هناك ثلاثة سلسلة من المقالات، وهذه المادة الأولين.

في المقال الأول في هذه السلسلة، ونحن نستخدم خوارزميات تعلم الآلة إلى Google متجر Play التطبيق بحث أكثر مصقول سهلة الاستخدام، مما يتيح المزيد من التطبيقات التي يتم اكتشافها في البحث.

في هذه المقالة، ونحن نناقش كيفية تحميل واستخدام التطبيق أيضا، مع مساعدة من خوارزميات تعلم الآلة توفر التطبيق الخاص ينصح بالنسبة لك.

توفير أفضل النتائج وفقا لموضوع البحث، ولكن واحدة من الأهداف التي تخدم الجمهور، وأوصى أكثر فائدة ، أكثر أهمية تطبيق للجمهور، هو أيضا هدف مهم من فريق برنامج الحفر لدينا.

من أجل التقدم للحصول على توصية شخصية، فإنه يجب أن تؤخذ بعين الاعتبار ذوق الجميع، إذا لم تقم بذلك، الجميع يرى "قد ترغب" قسم الاقتراحات ستكون مشابهة.

التعدين الفرق أذواق الجميع، بالإضافة إلى الحاجة إلى فهم ما يقوم به التطبيق، سيكون لديك لتحليل كل شخص باستخدام المشهد التطبيق. على سبيل المثال، لعبة الخيال العلمي اشداء، قد لعبة توصية مماثلة يجعله المهتمين، ولكن اذا كان هناك من تثبيت تطبيق اللياقة البدنية، والاستمرار في التوصية خمسة التطبيق اللياقة البدنية قد يوصي كذلك التطبيق اتباع نظام غذائي صحي.

وبالنظر إلى أن الناس يفضلون مكملة لبرنامج التطبيقات الموجودة، ونحن نوصي بالإضافة لتتناسب مع موضوع التطبيق (على غرار التطبيق)، كما أوصى التطبيق علاقة مكملة (كنت قد ترغب أيضا).

قبل تثبيت عند تثبيت التطبيق، سيكون هناك "طلب مماثل" و "قد ترغب أيضا" التوصيات.

درجة تحليل الارتباط بين التطبيقات أيضا مؤشرا هاما على سيناريوهات الاستخدام. على سبيل المثال، بحث وتركيب لعبة ذات جودة عالية من العديد من اللاعبين، ولكن أيضا وجود اتجاه قوي من نوعية الالعاب.

حتى عندما يكون هذا اللاعب تثبيت لعبة سباق، "يمكنك أيضا مثل" نوعية قوية من اللعبة سوف يوصي أعلى الرأس. هذا المستوى من توصية شخصية فعالة جدا، لأن خصائص الطلب وتناسب تفضيل اللاعب.

من أجل جعل التوصية في تطبيقات مماثلة، ونحن نستخدم طريقتين:

 
• توليد التطبيقات الموصى بها: الموصى بها بالإضافة إلى تطبيقات مماثلة، وهذه الطريقة يولد الطلب تكون ذات صلة لتنزيل أشخاص آخرين. تطبيقات النوع الموصى بها: تعلم آلة خوارزميات إعادة ترتيب النظام الموصى بها من تطبيقات العرض.

  أوصى الجيل التطبيقات

  تطبيق الخوارزمية في البحث عن وجود علاقة قوية، عادة إلى قيمة المجاورة للعثور على المشكلة: لنفترض تطبيق X، N معظم النتائج الأخيرة التي تم الحصول عليها من هذا التطبيق. يمكن بسهولة حل هذه المشكلة عن طريق البيانات الإحصائية، على سبيل المثال، كثير من الناس تثبيت X تطبيق وY، Y ثم هو تطبيق المرشح X الموصى بها ل.

  ومع ذلك، فإن القضية الشائكة للمكان هذا الجهاز خوارزميات لمعالجة البيانات الكبيرة التعلم، يريدون أن يتعلموا وخوارزمية فعالة لتحقيق نتائج في غاية الصعوبة. جوجل اللعب لديها الآن أكثر من مليون طلب، وبعد ذلك تتم معالجة بيانات أكثر من تريليون دولار.

  

  من أجل حل مشكلة بيانات ضخمة، قمنا بتدريب خوارزمية عمق الشبكة العصبية، اعتمادا على التطبيق قمت بتثبيت ظل تطبيق التنبؤ ليتم تثبيتها . نتائج هذه الخوارزمية التدريب، والممثل المباشر من نوع التطبيق الذي تفضله، إلى تخفيض البعد البيانات الفضائية، وبهذه الطريقة يكون على مقربة من قيمة التدريب في نتائج البحث، يمكن أن يقلل كثيرا من الخوارزميات الحسابية.

  

  AppSo (رقم ملفه AppSo) ملاحظة: للحصول على مثال فضفاضة، وتبحث عن لعبة على حد سواء أسلوب لطيف، ولكن أيضا اللعب عارضة، قد كذلك اختيار مباشرة من القضاء على اللعبة سريعا.

  تطبيقات النوع الموصى بها

  فوق خوارزميات لتوليد تنطبق توصيات مرشح فقط، وهدفنا هو إلى درجة ذات الصلة من التطبيقات مرشح قيام نوع من التهديف هذا النوع نتائج تمشيا مع تفضيلاتك، ولكن تتعلق أيضا تطبيق قمت بتثبيت .

  ولتحقيق هذا الهدف، ونحن نوصي باستخدام ميزات المستخرج، وفقا للحالة الفوري (الجغرافيا، واللغة، والبحث عن المحتوى، الخ) للتنبؤ موافقتك على التطبيقات الموصى بها استخدام خوارزمية أخرى.

  

  التطبيقات الموصى بها لإعادة ترتيب، وقيمة كبيرة في التطبيقات الفحص الموصى بها، هو وسيلة هامة لاستكشاف التطبيقات في المتجر. أوصى مقارنة لم يتم فرزها. "قد ترغب أيضا" يرتفع معدل تثبيت التطبيق بنسبة 20، وهذه العملية لم يلحظ أحد.

  في المقالة الثالثة في هذه السلسلة، وسوف نناقش كيفية استخدام آلة التعلم خوارزميات لحل ظائف البحث والتوصية الاستخدام الضار لمشاكل شخصية.

  شكر وتقدير

  المزيد من البحوث هو فريق في Google Play ونتائج التعاون هاليت أردوغان، مارك تايلور، مايكل واتسون، هواتشونغ نينغ، ستان Bileschi، جون كريمر، وشوان يو فو و. المترجم لي يو يانغ.