თუ სამსაათიანი მუშაობის შემდეგ გადადებთ საქმეს, წარმოიდგინეთ, რამდენად რთულია სამი წლის განმავლობაში პროექტზე დაბრუნება.
ეს არის ზუსტად ის, რაც გააკეთა შვიდმა ინჟინერმა, მკვლევარმა და მეცნიერმა მთელი მსოფლიოდან, რათა გაეუმჯობესებინათ Netflix-ის ფილმების რეკომენდაციების ალგორითმი 10 პროცენტით ან მეტით. და მათმა მონდომებამ შედეგი გამოიღო ახლახან, როდესაც ფილმების გაქირავების კომპანიამ 1 მილიონი დოლარი დააჯილდოვა BellKor's Pragmatic Chaos-ის გუნდს.
რეკომენდებული ვიდეოები
გუნდმა წარადგინა თავისი საბოლოო ფორმულა დაახლოებით 20 წუთით ადრე კონკურსის დასრულებამდე ივლისის ბოლოს, დაამარცხა ახლო კონკურენტი ანსამბლი. სამწლიანი კონკურსის განმავლობაში პრიზიდან 50000-ზე მეტი ადამიანი იბრძოდა.
დაკავშირებული
- ჩემი Netflix-ის ახალი ჩანართი გაადვილებს სტრიმინგს მოძრაობაში
- Netflix კლავს ძირითად გეგმას აშშ-ში, დიდ ბრიტანეთში, რადგან რეკლამას მეტი შემოსავალი მოაქვს
- Netflix სიჩქარის ტესტი: როგორ შეამოწმოთ, შეგიძლიათ თუ არა 4K Ultra HD სტრიმინგი
მეთოდი სიგიჟისკენ
BellKor-ის პრაგმატული ქაოსი არის სამი გუნდის კომბინაცია (BellKor, PragmaticTheory და Big Chaos), რომლებიც გაერთიანდნენ ძალები კონკურსზე წარდგენის დასასრულებლად. წევრები არიან: ბობ ბელი და კრის ვოლინსკი, AT&T კვლევის სტატისტიკის კვლევის დეპარტამენტი; ანდრეას ტოშერი და მაიკლ ჯაჰერი, მანქანათმცოდნეობის მკვლევარები და დამფუძნებლები
სარეკომენდაციო კვლევა და კონსულტაცია ავსტრიაში; ელექტრო ინჟინერი მარტინ პიოტი და პროგრამული უზრუნველყოფის ინჟინერი მარტინ შაბერტი მონრეალიდან, დამფუძნებლები პრაგმატული თეორია; და იეჰუდა კორენი, უფროსი მკვლევარი Yahoo! შეისწავლეთ ისრაელი. ისინი პირველად შეხვდნენ ორშაბათს, სექტემბერს. 21, როდესაც Netflix-მა გამოაცხადა გამარჯვებულები.BellKor-ის პრაგმატული ქაოსი გახდა პირველი გუნდი, რომელმაც ივნისში 10 პროცენტს გადააჭარბა, რამაც გამოიწვია 30-დღიანი პერიოდი, რომლის დროსაც სხვა კონკურსანტებს შეეძლოთ ეცადონ თავიანთი ქულის დამარცხება. კონკურენტმა გუნდმა, ანსამბლმა, გამოსავალი წარმოადგინა ივლისის ბოლოს, ბოლო ვადამდე რამდენიმე წუთით ადრე. BellKor-ის გამარჯვებულმა ჩანაწერმა გააუმჯობესა Netflix-ის არსებული სისტემა 10,06 პროცენტით.
ტესტის მონაცემების ძირეული საშუალო კვადრატული ცდომილების (RMSE) 10 პროცენტით შემცირების მცდელობა, ვიდრე Cinematch, ტექნოლოგია, რომელსაც ამჟამად Netflix იყენებს წევრებისთვის ფილმების რეკომენდაციის მიზნით, ეყრდნობა თანამშრომლობით ფილტრაცია. მეთოდოლოგია განიხილავს იმ მომხმარებლების წარსულ ქცევას, რომლებიც იზიარებენ იმავე რეიტინგის შაბლონებს, რათა ჩამოაყალიბონ პროგნოზი სხვა მომხმარებლებისთვის. ერთი მილიონი ფილმისგან შემდგარი მონაცემთა ნაკრების გამოყენებით, BellKor-ის პრაგმატული ქაოსი მუშაობდა ალგორითმებზე და ეყრდნობოდა „მრავალფეროვნებას მოდელები, რომლებიც ავსებენ ერთმანეთის ნაკლოვანებებს“, - ნათქვამია გუნდის მიერ გამოქვეყნებულ ერთ-ერთ ნაშრომში ბელკორი.
მათ მოიცავდა უახლოესი მეზობლის მოდელებს (რომლებიც იდენტიფიცირებენ ნივთების წყვილებს, რომლებიც მომხმარებელმა ანალოგიურად შეაფასა პროგნოზირებს რეიტინგებს არარეიტინგული ერთეულისთვის) და ფარული ფაქტორებისთვის (რომლებიც იკვლევენ ფარულ მახასიათებლებს, რომლებიც ხსნის დაკვირვებას რეიტინგები). გუნდმა ასევე დააკვირდა რეიტინგების მიღმა, რათა გამოეჩინა დამატებითი მონაცემები, როგორიცაა, თუ რომელი ფილმები შეაფასა ადამიანმა.
გუნდმა შეძლო დაედგინა, რომ:
- მაყურებელი იყენებს განსხვავებულ კრიტერიუმებს დიდი ხნის წინ ნანახი ფილმების შესაფასებლად ბოლო დროს ნანახებთან შედარებით; და
- ზოგიერთი ფილმი, როგორც ჩანს, დროთა განმავლობაში იზრდება მაყურებლებზე და მაყურებლები განსხვავებულად აფასებენ ფილმებს კვირის სხვადასხვა დღეებში.
ამ ინფორმაციის გამოყენებით გუნდმა შექმნა სამგანზომილებიანი მოდელი, რომელიც ფოკუსირებული იყო იმაზე, თუ როგორ მოქმედებს დრო ადამიანებისა და ფილმების ურთიერთობაზე.
მომგებიანი კომბინაცია
მიუხედავად იმისა, რომ გადაწყვეტის მიღმა მეთოდოლოგია მნიშვნელოვანია, ალბათ უფრო საინტერესო იყო კონკურსის მითითება, რომ crowdsourcing-ს შეუძლია უკეთესი შედეგი გამოიღოს, ვიდრე შიდა ძიებამ.
კრის ვოლინსკი BellKor's-ის გუნდიდან ამბობს, რომ Netflix-მა ჭკვიანური ნაბიჯი გადადგა იმით, რომ გააცნობიერა, რომ არსებობდა კვლევითი საზოგადოება, რომელიც მუშაობდა ამ ტიპის მოდელებზე და შიმშილობდა მონაცემებისთვის.
”Netflix-ს ჰქონდა მონაცემები, მაგრამ მხოლოდ რამდენიმე ადამიანი მუშაობს ამ პრობლემაზე,” - ამბობს ის. „პრიზი აკავშირებდა ამ ორს ისე, რომ მგრძნობიარე იყო მათი საკუთრების მონაცემების მიმართ… ეს მოდელი არ მუშაობს ყველა დომენზე – ის აქ მუშაობდა, რადგან მონაცემები იყო საინტერესო და დამაჯერებელი თემა. ყველას შეუძლია ფილმებთან ურთიერთობა. მსგავსი კონკურსი, ვთქვათ, ავტომატური ენის თარგმნისთვის, შეიძლება არ გამოიწვიოს ამდენი ვნება“.
ანდრეას ტოშერი, რომელიც წარმოშობით გუნდიდან Big Chaos იყო, დათანხმდა, რომ ნეტფლიქსის მსგავსი უფრო მეტი კონკურსია მოსალოდნელი. მან ისაუბრა თავისი გუნდის განსაკუთრებული ხალხმრავალი გამოცდილების დისტანციურ ხასიათზე - ორშაბათამდე იგი არც კი ესაუბრებოდა თანაგუნდელებს, რომ აღარაფერი ვთქვათ მათზე თვალის დახუჭვაზე. "კარგი იყო გუნდთან შეხვედრა, ნახევარ წელზე მეტი ერთად მუშაობის შემდეგ. ჩვენ არასდროს გვქონია სატელეფონო ზარი. მარტინისა და მარტინის სურათები ერთი კვირის წინ არ გვინახავს. ”
მარტინ შაბერტი, რომელიც თავდაპირველად იყო PragmaticTheory გუნდის წევრი, ამბობს, რომ მიუხედავად იმისა, რომ რთული იყო კონკურსზე ფოკუსირება, სანამ სამუშაო და ოჯახური პასუხისმგებლობების ჟონგლირებით, უფრო რთული იყო კომპიუტერში შესვლის თავიდან აცილება ახალი იდეის შესამოწმებლად. პროექტი. მიუხედავად იმისა, რომ მისი საინჟინრო გამოცდილება დაეხმარა გუნდის ძალისხმევას, სამუშაოს თეორიული ასპექტებით არ ჩაძირვა თანაბრად დაეხმარა.
„ვფიქრობ, ამ სფეროში წარმატების ერთ-ერთი მნიშვნელოვანი თვისებაა ადამიანის ქცევის შესახებ ინტუიციის ფაქტობრივ მათემატიკურ და ალგორითმულ მოდელად გადაქცევის უნარი“, - ამბობს ჩაბერტი. ”ბევრ ადამიანს აქვს იდეები იმის შესახებ, თუ რა უნდა იყოს გადაღებული, მაგრამ მთავარია იპოვოთ შესაბამისი გზა ამის გადასაღებად. მე მჯერა, რომ ჩვენ ამაში კარგად ვიმუშავეთ. ასევე, აკადემიური წარმოშობის არ გამოჩენილი, ჩვენ ძალიან ორიენტირებული ვიყავით დასახულ ამოცანაზე, ვიდრე ცდილობს მოიძიოს ისეთი რამ, რასაც თეორიული საფუძველი ქონდა ან რომელიც აუცილებლად დაწინაურებდა გენერალს მეცნიერება.”
ოთხი შვილის მამა ამბობს, რომ მისი გუნდის თითოეულმა წევრმა, რა თქმა უნდა, მოიტანა რაღაც, რამაც ხელი შეუწყო გამარჯვებას. Team BellKor-ის წევრის, იეჰუდა კორენის ალგორითმები და ნაშრომები იყო უმთავრესი, ხოლო BigChaos-ის ყველა მოდელისა და პროგნოზირების ნაკრების მართვა, რომლებიც თითოეული ქვეგუნდიდან მოდიოდა, გასაღები იყო. შაბერტი და მარტინ პიოტი აფასებენ თავიანთ „პრაგმატულ“ მიდგომას ორიგინალური მოდელებისა და კომბინაციების ფართო სპექტრის გამომუშავებისთვის.
ვოლინსკი ამბობს, რომ AT&T IP ორგანიზაცია ფლობს ინტელექტუალურ საკუთრებას კონკურსის გამოგონებებზე, მაგრამ განიხილავს შესაძლებლობებს მათი გარე ლიცენზირებისთვის. სამივე თანაგუნდელი ამბობს, რომ შესვლას განიხილავენ Netflix-ის მეორე კონკურსი, რომელიც ფოკუსირებული იქნება ინდივიდუალური მომხმარებლისთვის გემოვნების პროფილების შექმნაზე დემოგრაფიული და გამოყენების მონაცემების საფუძველზე.
ლორენ ფრიცკი არის თავისუფალი მწერალი და პროფესიონალი ბლოგერი ფილადელფიის გარეთ. მისი ნამუშევრები გამოჩნდა რამდენიმე გაზეთებსა და ჟურნალებში და ისეთ საიტებზე, როგორიცაა AOL და CNN.
რედაქტორების რეკომენდაციები
- Netflix-ის საუკეთესო გარიგებები: უყურეთ Netflix-ის უახლეს ორიგინალებს უფასოდ
- რა ღირს Netflix? სტრიმერის გეგმების რღვევა
- როგორ უყუროთ Netflix 4K-ში ნებისმიერ მოწყობილობაზე
- TCL-ის 2023 ხმის ზოლები ხელმისაწვდომია, მაგრამ არ გააჩნია ძირითადი ფუნქცია
- გადაიხადე! Netflix იწყებს ანგარიშების გაზიარების დარბევას აშშ-ში.
განაახლეთ თქვენი ცხოვრების წესიDigital Trends ეხმარება მკითხველს თვალყური ადევნონ ტექნოლოგიების სწრაფ სამყაროს ყველა უახლესი სიახლეებით, სახალისო პროდუქტების მიმოხილვებით, გამჭრიახი რედაქციებითა და უნიკალური თვალით.
