Halkın mağazada daha ilginç uygulamalar keşfetmesini sağlamak için Google, yapay zeka konusunda büyük çaba sarf etti. AppSo (Public Account AppSo), Google'ın yapay zekayı nasıl ayarladığını anlatan ve Google Play'in sizin için uygulamaları doğru şekilde önermesine izin veren bu makale dizisini tercüme etme yetkisine sahiptir. Dizide 3 makale var, bu yazıda ikincisi.
Bu serinin ilk makalesinde, Google Play uygulama mağazası arama işlevini daha kullanıcı dostu olacak şekilde geliştirmek için makine öğrenimi algoritmalarını kullandık, böylece arama sırasında daha fazla uygulama keşfedilebilir.
Bu makalede, makine öğrenimi algoritmalarının yardımıyla size özel uygulama önerileri sağlamak için indirdiğiniz ve kullandığınız uygulamaları nasıl kullanacağınızı tartışıyoruz.
Arama konularına göre en iyi sonuçları sağlamak, halka hizmet etme ve öneride bulunma hedeflerimizden yalnızca biridir. Daha kullanışlı , Daha alakalı Halka açık uygulama, uygulama madenciliği ekibimizin de önemli bir hedefidir.
Özel öneri uygulamalarını hedeflemek için herkesin zevkleri dikkate alınmalıdır, bunu yapmazsanız herkes aynı "beğenebilirsiniz" öneri sütununu görecektir.
Her kişinin zevklerindeki farklılıkları keşfetmek için, bir uygulamanın ne yaptığını anlamanın yanı sıra, her bir kişinin uygulamayı kullandığı senaryoları da analiz etmek gerekir. Örneğin, zorlu bir bilim kurgu oyunu için benzer oyun önerileri ilgisini çekebilir, ancak biri bir fitness uygulaması yüklerse, sağlıklı bir tarif uygulamasından beş fitness uygulaması önermek daha iyidir.
İnsanlar mevcut uygulamaları tamamlayan uygulamaları tercih ettiklerinden, temayla eşleşen uygulamaları (benzer uygulamalar) ve tamamlayıcı ilişkilere sahip uygulamaları (siz de beğenebilirsiniz) öneriyoruz.
Uygulamayı yüklemeden önce ve yüklediğinizde, "benzer uygulamalar" ve "yine de beğenebilirsiniz" önerileri olacaktır.
Uygulamalar arasındaki korelasyon derecesi de kullanım senaryolarını analiz etmek için önemli göstergelerden biridir. Örneğin, birçok yüksek kaliteli oyunu arayan ve yükleyen bir oyuncu, yüksek kaliteli grafiklere sahip oyunlara daha meyillidir.
Bu nedenle, oyuncu bir yarış oyunu yüklediğinde, "Yine de hoşunuza gidebilir", güçlü grafiklere sahip oyunları en üste önerecektir. Bu seviyedeki kişisel öneri çok etkilidir çünkü uygulamanın özellikleri oyuncunun tercihlerine uymaktadır.
Benzer uygulamalara yönelik tavsiyelerde bulunmak için iki yöntem benimsedik:
Algoritma güçlü korelasyona sahip uygulamaları ararken, genellikle komşu bir değer arama problemine dönüştürülür: Bir X uygulaması olduğunu varsayalım ve bu uygulamaya en yakın N sonucunu bulun. Bu problem basit bir şekilde istatistiklerle çözülebilir.Örneğin, birçok kişi X ve Y uygulamalarını yüklediyse, Y, X'in aday öneri uygulamasıdır.
Bununla birlikte, bu sorunun zor kısmı, makine öğrenimi algoritmasının çok büyük verilerle uğraşmak zorunda olması ve algoritmanın verimli bir şekilde öğrenmesi ve üretmesi çok zor olmasıdır. Artık Google Play'de bir milyondan fazla uygulama olduğuna göre, işlenecek veriler bir trilyonu aşacaktır.
Büyük veri sorununu çözmek için derin bir sinir ağı algoritması eğittik. Yüklediğiniz uygulamalara göre bir sonraki uygulamanın yükleneceğini tahmin edin . Bu algoritmanın eğitim sonuçları, veri alanı boyutsallığını azaltmanın etkisini elde etmek için tercih ettiğiniz uygulama türünü doğrudan temsil eder.Bu şekilde, eğitim sonuçlarında komşu değerleri aramak, algoritmanın hesaplama karmaşıklığını büyük ölçüde azaltabilir.
AppSo (Public Account AppSo) Not: Sert olmayan bir örnek vermek gerekirse, sevimli tarzı ve rahat bir oyunu olan bir oyun bulmak istiyorsanız, doğrudan eleme oyunundan seçim yapmak daha iyidir.
Yukarıdaki algoritma sadece aday öneri uygulamaları oluşturmak içindir ve amacımız Aday uygulamalarının alaka düzeyini puanlayın ve ardından sıralama sonuçlarının yalnızca tercihlerinize değil, aynı zamanda yüklediğiniz uygulamalarla da ilgili olmasını sağlayacak şekilde sıralayın. .
Bu amaca ulaşmak için, önerilen uygulamanın özelliklerini çıkarıyoruz ve önerilen uygulamayı kabul edeceğinizi hemen bağlama (bölgeniz, diliniz, arama içeriğiniz, vb.) Göre tahmin etmek için başka bir algoritma kullanıyoruz.
Önerilen uygulamaların yeniden sıralanması, önerilen uygulamaları filtrelemek kadar değerlidir ve mağazadaki uygulamaları keşfetmenin önemli yollarından biridir. Sıralanmamış önerilerle karşılaştırıldığında, "Ayrıca Beğenebilirsiniz" bölümündeki uygulama yükleme oranı% 20 artmıştır ve bu süreç fark edilmemiştir.
Bu dizinin üçüncü makalesinde, arama ve özel öneri işlevlerinin kötü amaçlı kullanımı sorununu çözmek için makine öğrenimi algoritmalarının nasıl kullanılacağını tartışacağız.
Teşekkürler
Yukarıdaki araştırma, Google Play ekibi ile Halit Erdoğan, Mark Taylor, Michael Watson, Huazhong Ning, Stan Bileschi, John Kraemer ve Chuan Yu Foo arasındaki işbirliğinin sonucudur. Çevirmen Li Yuyang.