اكتشف كيف تستخدم أنظمة التوصية الذكاء الاصطناعي والتعلم الآلي لتقديم اقتراحات مخصصة، وتعزيز التفاعل، ودفع القرارات عبر الإنترنت!
A recommendation system is an information filtering algorithm designed to predict a user's preference for specific items. These intelligent systems serve as the foundation of modern Artificial Intelligence (AI) applications, helping users navigate the overwhelming amount of content available online by curating personalized suggestions. By analyzing patterns in Big Data—such as purchase history, viewing habits, and user ratings—recommendation engines enhance user engagement and streamline decision-making processes. They are heavily utilized in environments where the variety of choices exceeds a user's ability to evaluate them all manually.
تستخدم محركات التوصيات عادةً استراتيجيات محددة للتعلم الآلي (ML) لتوليد اقتراحات ذات صلة. تشمل الأساليب الثلاثة الأساسية ما يلي:
تمتد الفائدة العملية لأنظمة التوصيات عبر مختلف الصناعات، مما يؤدي إلى تعزيز كل من تجربة العملاء وإيرادات الأعمال.
تتضمن إحدى التقنيات الرئيسية في أنظمة التوصية الحديثة، خاصة للمحتوى المرئي، استخدام التضمينات. التضمين هو تمثيل رقمي لعنصر (مثل الصورة) في فضاء عالي الأبعاد. العناصر المتشابهة بصريًا سيكون لها تضمينات قريبة من بعضها البعض.
The following Python code demonstrates how to extract image embeddings using a pre-trained Ultralytics YOLO26 classification model and calculate their similarity using PyTorch.
import torch.nn.functional as F
from ultralytics import YOLO
# Load a YOLO26 classification model
model = YOLO("yolo26n-cls.pt")
# Generate embeddings for two images (returns a list of Results objects)
results = model.predict(["bus.jpg", "dog.jpg"], embed=[1000])
# Calculate cosine similarity between the two embeddings
# Higher score indicates greater visual similarity
similarity = F.cosine_similarity(results[0].probs.data, results[1].probs.data, dim=0)
print(f"Visual Similarity Score: {similarity.item():.4f}")
من المهم التمييز بين أنظمة التوصية والتقنيات الأساسية التي تستخدمها غالبًا:
ينطوي نشر أنظمة التوصية الفعالة على عقبات كبيرة:
To build and train your own models for recommendation tasks, the Ultralytics Platform offers a comprehensive environment for dataset management and model training.
