该系统的工作原理如下:机行为并识别模式。例如,看过产品 X 的客户也对 Y 表现出兴趣就是很好的例子。
因此,当用户进行第一次搜索时,系统会推荐另一种产品,因为它可以识别搜索之间的关系。
在机器学习中,这些模式是在无限的网 马其顿TG粉 络中识别的,因此有数千个由信息之间的连接组成的交点,从而实现大规模的智能。
深度学习 当今人工智能实现的另一个重要概念是深度学习。
这项技术是机器学习的更深层次版本,使其更加智能和复杂。
深度学习使用更为复杂的工具,使得结果更加准确。
回到亚马逊的例子,该技术可以识别例外情况,从而不会做出不合格的建议。
想象一下:如果有 1000 位客户搜索“智能电视”,其中 800 位院”,那么软件就会明白这是一个相关的推荐。
借助机器学习,如果五个用户在搜索“智能电视”后开始搜索“鞋子” ,系统就会认为这是一个有效的推荐。
然而,依赖深度学是不相关的产品,从而防止用户行为方面的例外成为规则。
深度学习使用更复杂的网络得出结论,这个例子不是因果搜索。虽然有发生,但对于用户来说并不是相关的结果。
|