نتفلیکس در پستهای قبلی خود جزئیاتی را در مورد پلتفرم جستجوی گراف خود و چگونگی مقابله با چالشهای جستجو در مجموعههای داده فدرال در اکوسیستم سازمانی نتفلیکس ارائه کرده است. این پلتفرم با وجود مقیاسپذیری و سهولت پیکربندی، همچنان به یک زبان پرسوجوی ساختیافته برای ورودی متکی است. ظهور هوش مصنوعی، به ویژه مدلهای زبانی بزرگ (LLM)، فرصتهای جدیدی را برای ادغام ویژگیهای جستجوی مبتنی بر هوش مصنوعی با سرمایهگذاری کمتر و دقت بهبود یافته فراهم کرده است.
این مقاله به بررسی چگونگی پیادهسازی این راهکارها، ارزیابی عملکرد آنها و در نهایت تکامل آنها به یک پلتفرم خودمدیریت میپردازد. هدف اصلی، ارائه یک تجربه جستجوی بصری و قابل اعتماد با استفاده از زبان طبیعی برای جستجو در وضعیت پیچیده سازمانی نتفلیکس است. در حال حاضر، کاربران برای فیلتر کردن دادهها از طریق رابطهای کاربری مختلف تعامل دارند و سیستم این تعاملات را به پرسوجوهای DSL تبدیل میکند.
یکی از مشکلات موجود، تنوع در رابطهای کاربری و پشتیبانی نامناسب از DSL است که باعث میشود کاربران نیاز به یادگیری نحوه استفاده از هر برنامه داشته باشند. همچنین، برخی از حوزهها دارای صدها فیلد هستند که فیلتر کردن آنها زمانبر است و کارشناسان موضوعی ممکن است به دلیل سرعت پایین در پر کردن فرمهای بزرگ و ترجمه سوالات خود به فرمتی که Graph Search نیاز دارد، با مشکل مواجه شوند.
با استفاده از اجزای هوش مصنوعی، کاربران اکنون میتوانند با سیستمها از طریق زبان طبیعی تعامل داشته باشند. این امر نیازمند اطمینان از اینکه این ارائه، جستجوی وضعیت پیچیده سازمانی نتفلیکس با استفاده از زبان طبیعی، یک تجربه بصری و قابل اعتماد است. این مقاله به بررسی چگونگی تبدیل پرسوجوهای زبان طبیعی به عبارات Graph Search Filter DSL میپردازد.
مشاهده مطلب اصلی