Rəqəmsal platformaların yayılması ilə “user-generated content” (UGC), yəni istifadəçi tərəfindən yaradılan kontentlərdə də əhəmiyyətli inkişaf və artım var. Bu kontekstdə “Google”un "Identifying UGC Subjective Attributes Of Entities" patenti rəqəmsal kontent istifadəçilərinin qarşılıqlı əlaqəsindən əldə edilən məlumatları emal etməklə bu kontentlərin subyektiv atributlarının müəyyən edilməsinə və proqnozlaşdırılmasına yönəlib. 

"Identifying UGC Subjective Attributes of Entities"  bizə rəqəmsal aktivlərin istifadəçilər tərəfindən necə qəbul edildiyini və qiymətləndirildiyini anlamağa kömək edən innovativ texnologiya təqdim edir. 

Müəssisələrin UGC subyektiv atributlarının müəyyənləşdirilməsi mahiyyəti

Marketoloqlardan tutmuş məzmun yaradıcılarına qədər geniş auditoriya üçün yeni imkanlar və anlayışlar yaratmaq potensialına malik olan bu patentin mahiyyəti, istifadəçilərin rəqəmsal aktivlərə reaksiyalarını təhlil edərək, onların subyektiv keyfiyyətlərini müəyyən etmək və proqnozlaşdırmaqdır. 

Subyektiv atributlara daxildir:

• Paylaşıma edilən rəylər
• Paylaşıma edilən bəyənmələr (“like” və digər emojilər)
• Dəyərləndirmələr və s.

"Identifying UGC Subjective Attributes of Entities"ın tətbiq sahələri

1.Sosial media kontenti

Bir istifadəçinin başqa bir istifadəçi tərəfindən paylaşılan məzmun haqqında etdiyi şərhlər məzmunun necə qəbul edildiyininin göstəricisidir. Yəni, sizin paylaşdığınız şəkil, yaxud da videoya edilən reaksiyalar kontentinizin keyfiyyət göstəricisi amillərindən biridir.

2.Məhsul və xidmət rəyləri

Əgər veb-saytda hər hansısa məhsul və yaxud da xidmət satışısı varsa, istifadəçilərin onlar haqqında dəyərləndirmələri, həmin məhsulların subyektiv xüsusiyyətlərini üzə çıxarır.

3.Reklam və marketinq

Kontentin subyektiv keyfiyyətlərindən məqsədyönlü və effektiv reklam kampaniyaları üçün istifadə oluna bilər.

Patentin işləmə prinsipi

Patentin texniki prosesi subyektlər üçün subyektiv atributların müəyyən edilməsini və istifadəçi cavabları əsasında həmin atributların proqnozlaşdırılmasını əhatə edir. Bu proses 3 addımı əhatə edir:

1.Subyektiv keyfiyyətlərin müəyyən edilməsi

Bu prosesdə alqoritm istifadəçilərin şərhlərini, bəyənmələrini və digər reaksiyalarını təhlil edir. Bu reaksiyalar konkret subyektiv keyfiyyətlərə çevrilir. 

Tutaq ki, sosial media platformasında istifadəçi hər hansısa elanı paylaşıb. Digər istifadəçilər elan postuna müxtəlif şərhlər, bəyənmələr və reaksiyalar edir. Bu reaksiyalar elanın "faydalı", "həyəcanlı" və ya "maraq duyulan" kimi subyektiv keyfiyyətlərinə görə qiymətləndirir. 

“Bu qiymətləndirmə necə baş verir?” desəniz, məsələn, rəydə "Bu xəbəri uzun müddətdir gözləyirdim" kimi şərh varsa, alqoritm bunu “maraq duyulan” kimi etiketləyib qiymətləndirəcək.

2.Təsnifat təlimi

Təlim prosesində süni intellekt modeli (məsələn, “such as support vector machine”, AdaBoost və ya “artificial neural network” ) müəyyən xüsusiyyət vektorları üzərində öyrədilir. Bu vektorlara konkret məzmun və ya aktivin xüsusiyyətləri və istifadəçi reaksiyaları daxildir. Məsələn, paylaşımın rəng sxemi, mətn məzmunu və istifadəçi reaksiyaları bu vektorlara daxil edilə bilər.

Daha sadə desək, təsnifatlayıcı təlimi əvvəlki addımda toplanmış məlumatlara əsaslanır. Yəni, hər hansısa məhsulun rəyləri var və bu rəylər məhsulu müxtəlif subyektiv atributlarını əks etdirir. Alqoritm həmin rəylərdən istifadə etməklə məhsulların hansı xüsusiyyətlərə malik olduğunu göstərmək üçün təhlil edilir.

3. Subyektiv xüsusiyyətlərin qiymətləndirilməsi

Təlim prosesindən keçmiş təsnifatçı kontenti qiymətləndirir və mövcud xüsusiyyət vektorlarına əsaslanaraq bu yeni məzmunun mümkün subyektiv keyfiyyətlərini proqnozlaşdırır. Məsələn, bloq yazını qiymətləndirmək üçün dil, mövzu və yazı üslubu kimi elementlərdən istifadə olunur.

Belə ki, saytda yeni bloq yazısı dərc olunubsa və həmin yazıda heç bir şərh olmasa belə, öncədən öyrədilmiş modeldən istifadə etməklə alqoritm yazını təhlil edilir və onun potensial subyektiv atributları proqnozlaşdırılır.

Subyektiv atributların müəyyənləşdirilməsi

Subyektiv atributları müəyyən etmək üçün istifadə olunan sistem arxitekturası onun identifikasiyası və proqnozlaşdırılması üçün lazım olan komponentləri və onların necə bir araya gəlməsini müəyyən edir. 

Sistem arxitekturasının komponentləri:

Server maşını. Server bütün sistemin mərkəzi kimi fəaliyyət göstərir. Buraya veb server və subyektiv atributları idarə edən modul daxildir. Bu modul istifadəçilərin reaksiyaları əsasında aktivlərin subyektiv xüsusiyyətlərini təhlil edir və qiymətləndirir.

“Entity Store”. Aktivlər deposi səs yazıları, veb-saytları, bloq faylları və s. kimi müxtəlif məzmun növlərini saxlayan davamlı yaddaş sahəsidir. Bu depo həm də məzmunu etiketləmək, təşkil etmək və indeksləşdirmək üçün istifadə edilən məlumat strukturlarını ehtiva edir.

Müştəri maşınları. Müştəri maşınları istifadəçilərə (smartfonlar, kompüterlər, planşetlər və s.) məxsus və şəbəkəyə (internet, LAN, WAN və ya bunların kombinasiyası) qoşulmuş cihazlardır. Bu maşınlar veb brauzeri vasitəsilə server maşınından məzmuna daxil ola və yükləyə bilər.

Sistem arxitekturasının funksiyaları:

İstifadəçi reaksiyalarının təhlili. Subyektiv atribut meneceri istifadəçilərin şərhlər, bəyənmələr, paylaşımlar kimi reaksiyalarını təhlil edərək aktivlərin subyektiv atributlarını müəyyən edir. Məsələn, videolarla bağlı şərhlər videonun "əyləncəli" və ya "məlumatverici" olduğunu müəyyən etmək üçün nəzərdən keçirilir.

Xüsusiyyət vektorlarının yaradılması. Bunlarla əlaqəli metadata kimi mətn xüsusiyyətlərindən istifadə edərək xüsusiyyət vektorları yaradır;

• Sistem, rəng, faktura, sıxlıq kimi vizual xüsusiyyətlər
• Ucalıq və spektral əmsal nisbətləri kimi səs xüsusiyyətləri
• Söz tezliyi, orta cümlə uzunluğu və s. 

Daha sonra bu xüsusiyyət vektorlarından və subyektiv atributların uyğunluq ballarından istifadə edərək təsnifatçı (məsələn, “artificial neural network”) öyrədilir.

Yeni müəssisələr üçün subyektiv atributların qiymətləndirilməsi. Təlim edilmiş təsnifatçı yeni obyektlər üçün subyektiv atribut proqnozları verir. Belə ki, hələ şərh və ya reaksiya almamış bloq yazısı üçün onun xüsusiyyət vektorlarına əsasən subyektiv atributlar proqnozlaşdırıla bilər.

"Identifying UGC Subjective Attributes of Entities" patenti bizə rəqəmsal məzmunun nə olduğunu, həm də istifadəçilər tərəfindən necə qəbul edildiyini və qiymətləndirildiyini anlamağa kömək edir. Onun bizə verdiyi kontent tövsiyələri axtarış sisteminin optimallaşdırılmasında, reklamın hədəflənməsində və istifadəçi təcrübəsinin zənginləşdirilməsində mühüm rol oynayır. Çünki istənilən məzmunun qiymətləndirilməsinə diqqət yetirmək bizə əskikləri görməyə və onları təkmilləşdirməyə imkan yaradacaq.