WiMi Hologram Cloud Inc. ha annunciato lo sviluppo di un sistema di raccomandazioni di fusione multimodale basato sull'apprendimento automatico, per fornire agli utenti risultati di raccomandazione più accurati e diversificati, fondendo i dati multimodali provenienti da più tipi di interazione e modalità di attributo, che attualmente viene applicato principalmente nel campo dell'e-commerce. WiMi valuta le prestazioni di un sistema di raccomandazioni di fusione multimodale conducendo una serie di esperimenti su un set di dati aperto. I risultati sperimentali mostrano che il sistema di raccomandazione di fusione multimodale basato sull'apprendimento automatico di WiMi ottiene miglioramenti significativi rispetto ai risultati di benchmark dell'ultimo lavoro esistente.

I casi d'uso pratici del sistema aziendale sono dimostrati anche su diversi siti web di e-commerce. Prendendo come esempi cibi e bevande, scarpe, articoli di moda e vettori di telecomunicazioni, il sistema aziendale è stato applicato con successo in questi domini e ha fornito agli utenti un'esperienza di raccomandazione accurata e personalizzata. Analizzando i dati comportamentali degli utenti, come clic, acquisti, aggiunte al carrello, e combinando le informazioni provenienti da modelli di attributi multipli, il sistema aziendale è in grado di raccomandare con precisione i prodotti rilevanti, aiutando gli utenti a trovare ciò di cui hanno bisogno e a prendere decisioni di acquisto più rapide.

Logica tecnica di un sistema di raccomandazione basato sull'apprendimento automatico e sulla fusione multimodale di WiMi: Rappresentazione e pre-elaborazione dei dati: Il primo passo in un sistema di raccomandazione a fusione multimodale è la raccolta e la pre-elaborazione dei dati. Allo stesso tempo, vengono raccolti i dati di più modalità di attributi, come audio, video, immagini e testo. Questi dati vengono pre-elaborati, estratti dalle caratteristiche e puliti per prepararsi alla successiva fusione dei dati e alla formazione dei modelli.

Fusione di dati multimodali: La fusione dei dati multimodali è la tecnologia centrale del sistema. Utilizza modelli di apprendimento profondo e algoritmi di incorporazione di grafi per trasformare i dati di diverse modalità di attributi in rappresentazioni vettoriali unificate. Fondendo questi vettori, è possibile catturare la correlazione e la somiglianza tra le diverse modalità di attributo, realizzando così la fusione di dati cross-modale.

Algoritmo di raccomandazione intelligente: Viene addestrata una rete di apprendimento profondo per la raccomandazione intelligente, basata su rappresentazioni di dati multimodali fuse. La rete utilizza i dati di più tipi di interazione per l'addestramento e l'ottimizzazione del modello, per generare risultati di raccomandazione personalizzati. Il sistema utilizza algoritmi di incorporazione di dati visivi e di incorporazione di grafi efficienti per migliorare le prestazioni e l'efficacia degli algoritmi di raccomandazione. Questi algoritmi possono estrarre e utilizzare efficacemente le ricche informazioni dei dati multimodali per fornire risultati di raccomandazione più precisi e diversificati.

Regole aziendali e regolazione in tempo reale: I sistemi di raccomandazione con fusione multimodale di WiMi consentono agli utenti di definire e regolare le regole aziendali per adattarsi a diversi scenari ed esigenze di raccomandazione. Analizzando ed eseguendo le regole aziendali, è possibile generare risultati di raccomandazione accurati in base alla logica aziendale specifica. Allo stesso tempo, il sistema è dotato di una capacità di regolazione in tempo reale, che consente di regolare e ottimizzare dinamicamente l'algoritmo di raccomandazione in base ai risultati sperimentali e di misurazione.

Questo assicura che il sistema di raccomandazione sia sempre efficiente e preciso. Il quadro di raccomandazione di WiMi, basato sull'apprendimento automatico e sulla fusione multimodale, utilizza la fusione dei dati di più tipi di interazione e modalità di attributo. Grazie alla combinazione di modelli di deep learning, algoritmi di graph embedding e regole aziendali, sufficienti a generare risultati di raccomandazione accurati e personalizzati con capacità di regolazione e ottimizzazione in tempo reale, il sistema può essere applicato con successo a diversi settori dell'e-commerce.

Inoltre, il sistema di raccomandazione multi-modale fusion di WiMi può essere applicato anche ai social media, allo streaming video, ai viaggi e agli hotel, all'istruzione online e ad altri settori.