What is Pinterest details the AI and taxonomy systems

Pinterest అంటే AI మరియు వర్గీకరణ వ్యవస్థల వివరాలు

గత డిసెంబర్‌లో, Pinterest ట్రెండ్‌లను ప్రారంభించినట్లు Pinterest ప్రకటించింది, ఈ లక్షణం గత సంవత్సరంలో అత్యంత ప్రాచుర్యం పొందిన శోధన పదాలను వెల్లడించింది. గూగుల్ ట్రెండ్స్ మరియు బింగ్ కీవర్డ్ ఫైండర్ మాదిరిగా, హైలైట్ చేసిన పదాలను పరిమాణం ప్రకారం క్రమబద్ధీకరించడానికి అంకగణిత డేటాను ఉపయోగించి గత పన్నెండు నెలలుగా ట్రెండ్ పెరిగింది.

ఈ వారంలో ఈ ధోరణి ప్రపంచవ్యాప్తంగా అందుబాటులోకి వచ్చింది, మరియు పారదర్శకతతో, 320 మిలియన్లకు పైగా సోషల్ నెట్‌వర్క్ వినియోగదారులు సృష్టించిన 4 బిలియన్ ప్యానెల్‌లలో ధోరణి-ఆధారిత ర్యాంకింగ్ వ్యవస్థ 200 బిలియన్లకు పైగా వీక్షణలను ఎలా సృష్టిస్తుందో వివరించింది. ఉంది. సాఫ్ట్‌వేర్ ఇంజనీర్లు సాంగ్ సూసీ మరియు కంటెంట్ నాలెడ్జ్ బృందానికి చెందిన ధనంజయ్ శ్రుతి ఇలా వ్రాశారు, “ప్రజలు పిన్‌ట్రెస్ట్‌లోకి ప్రవేశించినప్పుడు, అభివృద్ధి చెందుతున్న పోకడలపై మాకు ప్రత్యేకమైన అవగాహన ఉంది.” “మేము ఈ ఆలోచనలను సేకరించగలుగుతున్నాము ఎందుకంటే Pinterest ప్రాథమికంగా వేరే రకమైన ప్లాట్‌ఫారమ్ … ప్రపంచం నలుమూలల నుండి ప్రజలు ఆలోచనలను సేవ్ చేయడానికి మరియు ప్రణాళిక చేయడానికి వస్తారు.”

వర్గం

క్యూరీ మరియు శ్రోట్టి ప్రకారం, Pinterest ఒక వర్గీకరణ జ్ఞాన నిర్వహణ వ్యవస్థను ఉపయోగిస్తుంది, ఇది కంటెంట్ స్థాయిని అర్థం చేసుకోవడానికి ఒకరిని అనుమతిస్తుంది. ప్రతి యూనిట్ పరిశోధన మరియు వర్గీకరణ పనులలో పాల్గొన్న ప్లాట్‌ఫారమ్‌లో AI మోడళ్ల యొక్క ఖచ్చితత్వాన్ని మెరుగుపరిచే లక్ష్యంతో వాటి మధ్య సంబంధాలను వర్గీకరిస్తుంది మరియు గుర్తిస్తుంది.

రేటింగ్స్ – రాబోయే 20 దేశాలకు 17 భాషలకు మద్దతు ఇస్తుంది – వేదిక అంతటా జనాదరణ పొందిన ఇతివృత్తాలను నిర్వహిస్తుంది మరియు కొనసాగుతున్న ప్రకటనలు మరియు ప్రచారాల కోసం ఆసక్తులు మరియు నోడ్లను (పిన్స్) స్పాన్సర్ చేస్తుంది. సోపానక్రమం యొక్క పేరెంట్-చైల్డ్ ట్రీ స్ట్రక్చర్‌లో ఆసక్తులు కలిసి ఉంటాయి, ఇక్కడ ప్రతి బిడ్డ దాని ఏకైక పేరెంట్ యొక్క ఉపవర్గం, మరియు టాప్ టాక్సిడెర్మీ నోడ్స్ విస్తృత తలను నిర్వచిస్తాయి – ఉదాహరణకు, “మహిళల ఫ్యాషన్” మరియు “DIY మరియు హస్తకళలు” పిన్స్‌తో సంబంధం ఉన్న సాధారణ ఆసక్తులు. (11 స్థాయి వరకు ఉప నోడ్‌లు ఎక్కువ ఇష్టపడే విషయాలను సంగ్రహిస్తాయి.)

Pinterest వర్గీకరణ యొక్క లక్ష్యం Pinterest కంటెంట్ నుండి సమయానికి చాలా ముఖ్యమైన విషయాలను పొందడం ”అని కుయ్ మరియు ష్రౌటీ వివరించారు. పిన్, ప్లేట్ పేరు మరియు అగ్ర శోధన ప్రశ్నల కోసం ఉపయోగిస్తారు. ”

ఈ విషయంలో, పిన్‌సేజ్‌తో పిన్‌టెస్ట్ యొక్క ప్రస్తుత పనిపై సిస్టమ్ నిర్మిస్తుంది, ఇది 3 బిలియన్ నాట్లు మరియు 18 బిలియన్ అంచులతో గ్రాఫికల్ గందరగోళ నెట్‌వర్క్, ఇది వెబ్ చార్టులలో సమీపంలోని పిన్‌ల వంటి వాటిని గుర్తించగలదు. Pinterest ఫిబ్రవరి 2018 లో ప్రకటనల సిఫారసుల కోసం పిన్‌సేజ్‌ను ఉపయోగించడం ప్రారంభించింది మరియు జూన్‌లో షాపింగ్ సిఫార్సులు వంటి వాటి కోసం మరింత విస్తృతంగా ఉపయోగించబడింది, అదే సమయంలో, షాపింగ్ ది లుక్ హుయ్ (Pinterest వినియోగదారులను చూడటానికి కొనుగోలు చేయడానికి అనుమతించే లక్షణం కోసం 25% ముద్రలు పెరిగాయని పేర్కొంది. దుస్తులు. పిన్స్) మరియు సాంప్రదాయ యాదృచ్ఛిక నమూనా పద్ధతులపై 46% ప్రదర్శించండి.

కంటెంట్ రేటింగ్

పేర్కొన్న రేటింగ్‌ల కోసం పిన్‌లను మ్యాప్ చేయడానికి యంత్రాంగం లేకపోతే, వర్గీకరణ పెద్దగా ఉపయోగపడదు. అందువల్ల కంటెంట్ ఇంజనీరింగ్ బృందం పిన్ 2 ఇంటరెస్ట్ (పి 2 ఐ) ను రూపొందించింది, ఇది కంటెంట్ రేటింగ్ సిస్టమ్, ఇది అలంకారాలు, టెక్స్ట్ మరియు విజువల్ ఇన్పుట్ మరియు ప్యానెల్ పేర్లను ఇతర AI మోడల్స్ కోసం అనుకూల సిఫార్సులు మరియు వర్గీకరణ లక్షణాలను సృష్టించడానికి సర్దుబాటు చేస్తుంది. ఇది ప్రస్తుతం వినియోగదారు ఇంటి ఫీడ్‌లోని పిన్‌లను వర్గీకరించడానికి మరియు ప్రకటనలను లక్ష్యంగా చేసుకోవడానికి ఉపయోగించబడుతుంది.

P2I లెక్సికల్ విస్తరణ (కొత్త లెక్సికల్ యూనిట్లు మరియు లెక్సికల్ నమూనాల సృష్టి) వంటి సహజ భాషా ప్రాసెసింగ్ పద్ధతులపై నొక్కండి మరియు నోడ్స్ జాబితాకు ఇమేజ్ ఎంట్రీలను ప్రిడిక్షన్ అభ్యర్థులుగా కేటాయించడానికి సారూప్యతలను కలిగి ఉంటుంది. తరువాత, పై చిత్రాలు మరియు నోడ్‌ల మధ్య అనుగుణ్యత స్థాయిని అంచనా వేయడానికి మరియు వర్గీకరించడానికి శోధన సముచితత నమూనా ఉపయోగించబడుతుంది. Pinterest 99% కంటే ఎక్కువ చిత్రాలను కనీసం ఒక నోడ్‌కు సెట్ చేయవచ్చని చెప్పారు.

సోపానక్రమం సమాచారం రేటింగ్ P2I ర్యాంకింగ్ సమాచారంగా కూడా ఉపయోగించబడుతుందని క్యూ మరియు ష్రౌటీ గమనించండి. రేటింగ్‌లతో కలిపి, ఇది నోడ్‌కు చిత్రాల సంఖ్యను పర్యవేక్షించడానికి అనుమతిస్తుంది, అందువల్ల, విషయాలు Pinterest అంతటా ఉంటాయి. వేరే సందర్భంతో నోడ్‌కు చిత్రం, మరియు అంచనా యొక్క ఖచ్చితత్వం తగ్గుతుంది. ”

వినియోగదారుని మరియు ప్రశ్నను సెట్ చేయండి

సార్టింగ్ యొక్క ప్రయోజనం కంటెంట్ను ట్రాక్ చేయడానికి మించి ఉంటుంది. వాస్తవానికి, వినియోగదారులను వారి ఆసక్తులకు కేటాయించడానికి ఇది యూజర్ 2 ఇంటరెస్ట్ (యు 2 ఐ) అనే వ్యవస్థను ఉపయోగిస్తుంది. ప్రజలు భాగస్వామ్యం చేసిన పిన్‌లు మరియు P2I- సృష్టించిన పిన్-సృష్టించిన ఆసక్తి-ఆసక్తి లేబుల్‌లు ప్రకటన లక్ష్యం, సేంద్రీయ సిఫార్సులు మరియు రేటింగ్‌ల గురించి వినియోగదారు-కేంద్రీకృత అంతర్దృష్టులలో U2I అంచనాలను తెలియజేసే సంకేతాలు. ఉదాహరణకు, ప్రజా ప్రయోజనంలో మార్పుల ప్రకటనదారులకు తెలియజేయడానికి వర్గీకరణ నోడ్‌కు వినియోగదారుల సంఖ్య వంటి గణాంకాలను ఇది లెక్కించవచ్చు.

మరొక వ్యవస్థ – Query2Interest – వర్గీకరణ నోడ్‌లకు చిన్న వచన ప్రశ్నలను కేటాయించడానికి బాధ్యత వహిస్తుంది. దీని సూచన పింటెక్స్, మల్టీ టాస్కింగ్ టెక్స్ట్ ఎంబెడ్డింగ్ రూపం.

Leave a Comment