<meter id="pryje"><nav id="pryje"><delect id="pryje"></delect></nav></meter>
          <label id="pryje"></label>

          新聞中心

          EEPW首頁 > 智能計算 > 設計應用 > 邁向決策式AI:提供反事實的建議(二)

          邁向決策式AI:提供反事實的建議(二)

          作者:高煥堂 時間:2024-12-21 來源:EEPW 收藏

          1   復習:三階段訓練流程

          本文引用地址:http://www.ex-cimer.com/article/202412/465714.htm

          在上一期里,藉由< 用戶、食材和食譜> 三位一體的多層次關聯(lián)來建立知識圖(KG:Knowledge Graph)。其基于不同食材在各種食譜中的組合方式,構建食材與食材之間的關系圖。并且通過用戶的偏好和歷史選擇,建立用戶與食材的關聯(lián)。然后整合用戶、食材和食譜的多層次信息,對用戶分群來更加準確了解用戶的潛在需求,不僅能提供個性化的食材推薦,還可以獲得食譜的創(chuàng)新建議。

          這項創(chuàng)新能力,是透過GCN 的引入讓模型具備了探索和創(chuàng)新的能力,不僅能推薦用戶熟悉的食材組合,還能引導用戶嘗試全新的食譜搭配。其食譜的生成不僅基于歷史數(shù)據(jù),還基于潛在的創(chuàng)新可能性,讓餐飲業(yè)的推薦系統(tǒng)從“需求驅動”到“創(chuàng)造驅動”的轉變。這意味著,它既能滿足用戶的當前需求,還能探索和創(chuàng)造新的飲食體驗,來提高用戶的滿意度。

          在上一期的文章裡,也詳細說明了?;渡鲜龅腒G 體系,能透過三個階段( 或步驟) 的流程,擅加運用AI 模型來探索出潛在性連結,即稱為:反事實連結(CF Link)。這三階段是:

          階段-1:訓練GCN獲取原始的食材嵌入(Embedding),通過食材圖的關系學習每個食材的特征表示。

          階段-2:基于用戶喜愛的食材關系,構建GCN,生成新的用戶- 食材潛在連結(CF Links)。

          階段-3:利用連結為目標,通過GCN 生成新的食材嵌入,構建反事實的食材知識圖。

          其中各階段都有明確的任務,且各階段之間的嵌入特征和鏈接生成能夠自然銜接,充分體現(xiàn)出從基礎推薦到反事實分析的流暢順序。經(jīng)由這三階段流程,可生成反事實食材組合的知識圖,然後將所生成的反事實食材嵌入與原始食材嵌入進行對比,就能結合多階段的GCN 模型和反事實分析來進行推薦和創(chuàng)新。此外,還可以引入更多的食材屬性(如營養(yǎng)成分、口味特征等)來增強節(jié)點特征,從而提高嵌入的表達能力。考慮不同的圖卷積模型(如GAT、GraphSAGE 等),以捕獲更復雜的食材、食譜與用戶之優(yōu)質關系。

          2   進階范例:學習專家的SOP

          剛才談到善用知識圖來表達< 用戶、食譜與食材>之關聯(lián),并善用GCN 模型來探索潛在性鏈接。接下來,就來繼續(xù)擴大這些技術:應用于表達廚師的工作流程( 即SOP)。例如,在< 食譜-- 食材> 的知識圖中,可以增添一項邊順序(Order) 的特征,它用來表示在烹飪過程中該食材的添加順序,來表達餐飲大廚師的烹煮流程知識。

          然后,就可以結合反事實嵌入(CF Embedding)來探索創(chuàng)新食譜的邊順序,可以更準確地捕捉到更合理的食材添加順序。通過優(yōu)化順序特征,模型可以推斷出新的食材添加流程,從而生成更具創(chuàng)新性的食譜,還能推薦更合理的烹飪步驟,可能帶來更好的口感,提升用戶的烹飪體驗。

          現(xiàn)在請您來觀察下述的范例,其步驟如下:

          Step-1:建立GIN 模型,并展開訓練例如,在前面的食譜文件里,還包含了食譜的制作流程(SOP) 的知識。例如:“拉面食譜”: [

          { “name”: [1, “豚骨拉面”],

          “ingredients”: [“豬骨”, “醬油”, “大蔥”, “雞蛋”, “拉面”],

          “instructions”: “將豬骨煮沸,加入醬油和大蔥,煮至湯頭濃郁,搭配拉面和半熟蛋?!?/p>

          }

          這里指明了,這< 豚骨拉面> 食譜的制作順序(Order)是:

          1734743475642471.png

          于是,把上圖里SOP 知識拿來訓練GIN(Graph Isomorphism Networks)模型,并進入機器學習流程。此時,可觀察到學習的過程,GIN 會輸出如下:

          image.png

          很順利地完成訓練GIN 模型了。

          Step-2:訓練好了,GIN 進行推論

          AI的神奇之處,即是:它能從眾多食譜的制程SOP數(shù)據(jù)中,學習各食材的先后順序關系,然后推論出創(chuàng)新食譜的SOP。例如,Mike 接受AI 的推薦,而決定在< 豚骨拉面> 食譜中,添加< 海苔> 食材。如下圖:

          1734743532972712.png

          那么,添加之后的新食譜( 如上圖),其SOP 該如何決定呢?此時,GCN 就能迅速推論出新的SOP,而輸出如下:

          image.png

          于是,得到了新食譜的SOP,如下圖所示:

          1734743589716224.png

          除了制程SOP 之外,GIN 還可以從食譜中學習更多的知識,烹煮的時間長度等。

          3   活用GNN 探索CF_Links, 優(yōu)化企業(yè)決策

          從剛才的范例中,您已經(jīng)熟悉了知識圖和GNN 模型的組合搭配,來探索< 用戶、食譜與食材> 之間的潛在關聯(lián)。接著,就能發(fā)揮它的特性,應用于其他商業(yè)領域,活用它來支持企業(yè)高層的決策分析和建議。由于企業(yè)高層常常面臨復雜的決策場景,此時GNN 和反事實分析可以提供強大的因果推理和決策優(yōu)化。

          3.1 商業(yè)決策的挑戰(zhàn)與Graph AI的機遇

          當我們面對快速變動的市場環(huán)境、客戶需求變化等,企業(yè)高層主管需要能夠及時做出優(yōu)質決策。此時,GNN特別適合分析企業(yè)數(shù)據(jù)中的關聯(lián)和因果關系,如供應鏈圖譜、社交網(wǎng)絡圖、產(chǎn)品推薦圖等。其中的CF_Links是一種基于反事實分析的連結推理技術,能夠及時激發(fā)人們的反事實思考。例如,充分思考< 如果這些關系不存在或變更決策,會發(fā)生什么影響和后果呢? > 等情境。

          3.2 活用AI探索CF_Links,提供清晰決策依據(jù)

          CF_Links 是反事實推理的一部分,專注于圖結構中的邊或鏈接變化。例如:< 如果企業(yè)選擇中斷與某供貨商的合作,整體業(yè)務會受到怎樣的影響? >。此時,GNN 能夠捕捉潛在的關聯(lián)性和因果關系,幫助我們理解知識圖中的潛在性連結對預測結果的影響。在許多商業(yè)領域里,都刻可以派上用場。包括:

          ●   供應鏈優(yōu)化:

          使用Graph AI 分析供應鏈圖譜,探討供應鏈效率和風險的可能變化,來幫助企業(yè)高層在選擇供貨商時做出更具前瞻性的決策。

          ●   客戶關系管理(CRM):

          在社交網(wǎng)絡圖或顧客互動場合中,CF_Links 分析可以模擬企業(yè)對特定客戶的關系中斷或加強,將對企業(yè)產(chǎn)生的可能影響。能有效幫助企業(yè)制定更優(yōu)質的營銷策略。

          ●   風險管理:

          在金融財務領域,CF_Links 分析能幫助發(fā)現(xiàn)潛在的欺詐行為,尤其是在復雜的交易網(wǎng)絡中,企業(yè)高層可以根據(jù)這些分析結果,采取更有效的風控策略。

          ●   其它場合:

          利用GNN 分析結果和CF_Links 洞見,企業(yè)人員可以設計出一個可視化決策儀表板,幫助決策者快速了解關鍵指標和可能的決策& 行動方案。并且提供給決策者立即查看反事實分析的結果。

          4   結束語

          從Graph AI 的反事實推理延伸到(Decision-Making AI),也讓AI 從< 被動分析> 邁向< 主動決策>,這是AI 發(fā)展的重要趨勢之一。將能讓企業(yè)或個人在自動化決策中融入人類專業(yè)知識,形成高效的人機協(xié)作,攜手擬定最優(yōu)質的決策。

          (本文來源于《EEPW》



          評論


          技術專區(qū)

          關閉
          看屁屁www成人影院,亚洲人妻成人图片,亚洲精品成人午夜在线,日韩在线 欧美成人 (function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https') { bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else { bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); })();