Loạt bài gồm ba phần này trình bày cách sử dụng mạng lưới thần kinh đồ thị (GNN) và Sao Hải vương Amazon để tạo các đề xuất phim bằng cách sử dụng IMDb và Box Office Mojo Phim/TV/OTT gói dữ liệu có thể cấp phép, cung cấp nhiều loại siêu dữ liệu giải trí, bao gồm hơn 1 tỷ xếp hạng của người dùng; tín dụng cho hơn 11 triệu diễn viên và thành viên phi hành đoàn; 9 triệu tựa phim, truyền hình và giải trí; và dữ liệu báo cáo phòng vé toàn cầu từ hơn 60 quốc gia. Nhiều khách hàng phương tiện và giải trí AWS cấp phép cho dữ liệu IMDb thông qua Trao đổi dữ liệu AWS để cải thiện khả năng khám phá nội dung và tăng mức độ tương tác cũng như giữ chân khách hàng.
Sơ đồ sau đây minh họa kiến trúc hoàn chỉnh được triển khai như một phần của loạt bài này.
In Phần 1, chúng tôi đã thảo luận về các ứng dụng của GNN cũng như cách chuyển đổi và chuẩn bị dữ liệu IMDb của chúng tôi thành biểu đồ tri thức (KG). Chúng tôi đã tải xuống dữ liệu từ AWS Data Exchange và xử lý dữ liệu đó trong Keo AWS để tạo các tệp KG. Các tệp KG được lưu trữ trong Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3) rồi tải vào Sao Hải vương Amazon.
In Phần 2, chúng tôi đã trình bày cách sử dụng Amazon Sao Hải Vương ML (Trong Amazon SageMaker) để huấn luyện KG và tạo các phần nhúng KG.
Trong bài đăng này, chúng tôi sẽ hướng dẫn bạn cách áp dụng các nhúng KG được đào tạo của chúng tôi trong Amazon S3 cho các trường hợp sử dụng tìm kiếm ngoài danh mục bằng cách sử dụng Dịch vụ Tìm kiếm Mở của Amazon và AWS Lambda. Bạn cũng triển khai ứng dụng web cục bộ để có trải nghiệm tìm kiếm tương tác. Tất cả các tài nguyên được sử dụng trong bài đăng này có thể được tạo bằng một Bộ công cụ phát triển đám mây AWS (AWS CDK) như được mô tả sau trong bài viết.
Tiểu sử
Bạn đã bao giờ vô tình tìm kiếm một tiêu đề nội dung không có sẵn trong một nền tảng phát trực tuyến video chưa? Nếu có, bạn sẽ thấy rằng thay vì phải đối mặt với một trang kết quả tìm kiếm trống, bạn sẽ tìm thấy một danh sách các bộ phim cùng thể loại, với dàn diễn viên hoặc thành viên đoàn làm phim. Đó là trải nghiệm tìm kiếm ngoài danh mục!
Tìm kiếm ngoài danh mục (OOC) là khi bạn nhập truy vấn tìm kiếm không khớp trực tiếp trong danh mục. Sự kiện này thường xảy ra trong các nền tảng phát trực tuyến video liên tục mua nhiều loại nội dung từ nhiều nhà cung cấp và công ty sản xuất trong một thời gian giới hạn. Việc thiếu sự liên quan hoặc ánh xạ từ danh mục của công ty phát trực tuyến đến cơ sở kiến thức rộng lớn về phim và chương trình có thể dẫn đến trải nghiệm tìm kiếm dưới mức trung bình cho những khách hàng truy vấn nội dung OOC, do đó làm giảm thời gian tương tác với nền tảng. Việc ánh xạ này có thể được thực hiện bằng cách ánh xạ thủ công các truy vấn OOC thường xuyên tới nội dung danh mục hoặc có thể được tự động hóa bằng cách sử dụng máy học (ML).
Trong bài đăng này, chúng tôi minh họa cách xử lý OOC bằng cách sử dụng sức mạnh của tập dữ liệu IMDb (nguồn siêu dữ liệu giải trí toàn cầu hàng đầu) và biểu đồ tri thức.
Dịch vụ tìm kiếm mở là một dịch vụ được quản lý hoàn toàn giúp bạn dễ dàng thực hiện phân tích nhật ký tương tác, giám sát ứng dụng theo thời gian thực, tìm kiếm trang web, v.v. OpenSearch là một bộ phân tích và tìm kiếm phân tán, mã nguồn mở có nguồn gốc từ Elaticsearch. Dịch vụ OpenSearch cung cấp các phiên bản OpenSearch mới nhất, hỗ trợ 19 phiên bản Elaticsearch (phiên bản 1.5 đến 7.10), cũng như khả năng trực quan hóa được cung cấp bởi OpenSearch Dashboards và Kibana (phiên bản 1.5 đến 7.10). OpenSearch Service hiện có hàng chục nghìn khách hàng đang hoạt động với hàng trăm nghìn cụm được quản lý xử lý hàng nghìn tỷ yêu cầu mỗi tháng. OpenSearch Service cung cấp tìm kiếm kNN, có thể nâng cao khả năng tìm kiếm trong các trường hợp sử dụng như đề xuất sản phẩm, phát hiện gian lận và hình ảnh, video cũng như một số tình huống ngữ nghĩa cụ thể như tính tương đồng của tài liệu và truy vấn. Để biết thêm thông tin về các chức năng tìm kiếm hỗ trợ hiểu ngôn ngữ tự nhiên của Dịch vụ Tìm kiếm Mở, hãy tham khảo Xây dựng ứng dụng tìm kiếm do NLU cung cấp bằng Amazon SageMaker và tính năng KNN của Amazon OpenSearch Service.
Tổng quan về giải pháp
Trong bài đăng này, chúng tôi trình bày một giải pháp để xử lý các tình huống OOC thông qua tìm kiếm nhúng dựa trên biểu đồ tri thức bằng cách sử dụng khả năng tìm kiếm k-láng giềng gần nhất (kNN) của OpenSearch Service. Các dịch vụ AWS chính được sử dụng để triển khai giải pháp này là OpenSearch Service, SageMaker, Lambda và Amazon S3.
Kiểm tra Phần 1 và Phần 2 của loạt bài này để tìm hiểu thêm về cách tạo biểu đồ tri thức và nhúng GNN bằng cách sử dụng Amazon Neptune ML.
Giải pháp OOC của chúng tôi giả định rằng bạn có KG kết hợp thu được bằng cách hợp nhất công ty phát trực tuyến KG và IMDb KG. Điều này có thể được thực hiện thông qua các kỹ thuật xử lý văn bản đơn giản phù hợp với tiêu đề cùng với loại tiêu đề (phim, sê-ri, phim tài liệu), dàn diễn viên và đoàn làm phim. Ngoài ra, biểu đồ tri thức chung này phải được đào tạo để tạo ra các nhúng biểu đồ tri thức thông qua các quy trình được đề cập trong Phần 1 và Phần 2. Sơ đồ sau đây minh họa một cái nhìn đơn giản về KG kết hợp.
Để chứng minh chức năng tìm kiếm OOC bằng một ví dụ đơn giản, chúng tôi chia biểu đồ kiến thức IMDb thành danh mục khách hàng và danh mục ngoài khách hàng. Chúng tôi đánh dấu các tiêu đề có chứa “Câu chuyện đồ chơi” là tài nguyên danh mục không dành cho khách hàng và phần còn lại của sơ đồ tri thức IMDb là danh mục khách hàng. Trong trường hợp danh mục khách hàng không được nâng cao hoặc hợp nhất với cơ sở dữ liệu bên ngoài, tìm kiếm "câu chuyện đồ chơi" sẽ trả về bất kỳ tiêu đề nào có từ "đồ chơi" hoặc "câu chuyện" trong siêu dữ liệu của nó, với tìm kiếm văn bản OpenSearch. Nếu danh mục khách hàng được ánh xạ tới IMDb, sẽ dễ dàng thu thập được rằng truy vấn “câu chuyện đồ chơi” không tồn tại trong danh mục và các nội dung phù hợp nhất trong IMDb là “Câu chuyện đồ chơi”, “Câu chuyện đồ chơi 2”, “Câu chuyện đồ chơi Câu chuyện 3,” “Câu chuyện đồ chơi 4,” và “Charlie: Câu chuyện đồ chơi” theo thứ tự mức độ liên quan giảm dần khi khớp văn bản. Để có được kết quả trong danh mục cho từng kết quả phù hợp này, chúng tôi có thể tạo năm phim gần nhất trong tính tương tự nhúng kNN dựa trên danh mục khách hàng (của KG chung) thông qua Dịch vụ tìm kiếm mở.
Một trải nghiệm OOC điển hình tuân theo quy trình được minh họa trong hình dưới đây.
Video sau đây hiển thị năm kết quả OOC (số lần truy cập) hàng đầu cho truy vấn “câu chuyện đồ chơi” và các kết quả phù hợp có liên quan trong danh mục khách hàng (số lượng đề xuất).
Tại đây, truy vấn được so khớp với sơ đồ tri thức bằng cách sử dụng tìm kiếm văn bản trong Dịch vụ Tìm kiếm Mở. Sau đó, chúng tôi ánh xạ các phần nhúng của văn bản khớp với tiêu đề danh mục khách hàng bằng cách sử dụng chỉ mục kNN của Dịch vụ tìm kiếm mở. Vì không thể ánh xạ trực tiếp truy vấn của người dùng tới các thực thể sơ đồ tri thức, nên chúng tôi sử dụng phương pháp hai bước để trước tiên tìm các điểm tương đồng của truy vấn dựa trên tiêu đề và sau đó là các mục tương tự với tiêu đề bằng cách sử dụng nhúng sơ đồ tri thức. Trong các phần sau, chúng tôi sẽ hướng dẫn quy trình thiết lập cụm Dịch vụ Tìm kiếm Mở, tạo và tải lên các chỉ mục sơ đồ tri thức cũng như triển khai giải pháp dưới dạng ứng dụng web.
Điều kiện tiên quyết
Để thực hiện giải pháp này, bạn nên có một Tài khoản AWS, quen thuộc với OpenSearch Service, SageMaker, Lambda và Hình thành đám mây AWS, và đã hoàn thành các bước trong Phần 1 và Phần 2 của loạt bài này.
Khởi chạy tài nguyên giải pháp
Sơ đồ kiến trúc sau đây cho thấy quy trình làm việc ngoài danh mục.
Bạn sẽ sử dụng AWS Cloud Development Kit (CDK) để cung cấp các tài nguyên cần thiết cho các ứng dụng tìm kiếm OOC. Mã để khởi chạy các tài nguyên này thực hiện các thao tác sau:
- Tạo một VPC cho tài nguyên.
- Tạo miền Dịch vụ Tìm kiếm Mở cho ứng dụng tìm kiếm.
- Tạo một hàm Lambda để xử lý và tải siêu dữ liệu phim cũng như các nội dung nhúng vào chỉ mục Dịch vụ tìm kiếm mở (
**-ReadFromOpenSearchLambda-**
). - Tạo một hàm Lambda lấy truy vấn của người dùng từ một ứng dụng web làm đầu vào và trả về các tiêu đề có liên quan từ OpenSearch (
**-LoadDataIntoOpenSearchLambda-**
). - Tạo một Cổng API bổ sung thêm một lớp bảo mật giữa giao diện người dùng ứng dụng web và Lambda.
Để bắt đầu, hãy hoàn thành các bước sau:
- Chạy mã và sổ ghi chép từ Phần 1 và Phần 2.
- Điều hướng đến
part3-out-of-catalog
thư mục trong kho mã.
- Khởi chạy AWS CDK từ thiết bị đầu cuối bằng lệnh
bash launch_stack.sh
. - Cung cấp hai đường dẫn tệp S3 được tạo trong Phần 2 làm đầu vào:
- Đường dẫn S3 đến tệp CSV nhúng phim.
- Đường dẫn S3 đến tệp nút phim.
- Đợi cho đến khi tập lệnh cung cấp tất cả các tài nguyên cần thiết và chạy xong.
- Sao chép URL Cổng API mà tập lệnh AWS CDK in ra và lưu nó. (Chúng tôi sử dụng điều này cho ứng dụng Streamlit sau này).
Tạo miền dịch vụ OpenSearch
Để minh họa, bạn tạo một miền tìm kiếm trên một Vùng sẵn sàng trong phiên bản r6g.large.search trong một VPC và mạng con an toàn. Lưu ý rằng phương pháp hay nhất là thiết lập trên ba Vùng sẵn sàng với một phiên bản chính và hai phiên bản sao chép.
Tạo chỉ mục Dịch vụ Tìm kiếm Mở và tải dữ liệu lên
Bạn sử dụng các hàm Lambda (được tạo bằng lệnh ngăn xếp khởi chạy AWS CDK) để tạo chỉ mục Dịch vụ tìm kiếm mở. Để bắt đầu tạo chỉ mục, hãy hoàn thành các bước sau:
- Trên bảng điều khiển Lambda, hãy mở
LoadDataIntoOpenSearchLambda
Hàm lambda. - trên Thử nghiệm tab, chọn Thử nghiệm để tạo và nhập dữ liệu vào chỉ mục Dịch vụ Tìm kiếm Mở.
Bạn có thể tìm thấy mã sau cho hàm Lambda này trong part3-out-of-catalog/cdk/ooc/lambdas/LoadDataIntoOpenSearchLambda/lambda_handler.py
:
Hàm thực hiện các nhiệm vụ sau:
- Tải tệp nút phim IMDB KG chứa siêu dữ liệu phim và các phần nhúng liên quan của nó từ đường dẫn tệp S3 được chuyển đến tệp tạo ngăn xếp
launch_stack.sh
. - Hợp nhất hai tệp đầu vào để tạo một khung dữ liệu duy nhất để tạo chỉ mục.
- Khởi tạo ứng dụng khách OpenSearch Service bằng thư viện Boto3 Python.
- Tạo hai chỉ mục cho văn bản (
ooc_text
) và tìm kiếm nhúng kNN (ooc_knn
) và tải lên hàng loạt dữ liệu từ khung dữ liệu kết hợp thông quaingest_data_into_ops
chức năng.
Quá trình nhập dữ liệu này mất 5–10 phút và có thể được theo dõi thông qua amazoncloudwatch nhật ký trên Giám sát tab của hàm Lambda.
Bạn tạo hai chỉ mục để bật tìm kiếm dựa trên văn bản và tìm kiếm dựa trên nhúng kNN. Tìm kiếm văn bản ánh xạ truy vấn dạng tự do mà người dùng nhập vào tiêu đề của phim. Tìm kiếm nhúng kNN tìm k phim gần nhất với văn bản phù hợp nhất từ không gian tiềm ẩn KG để trả về dưới dạng đầu ra.
Triển khai giải pháp dưới dạng ứng dụng web cục bộ
Bây giờ bạn đã có một tìm kiếm văn bản đang hoạt động và chỉ mục kNN trên Dịch vụ Tìm kiếm Mở, bạn đã sẵn sàng để xây dựng một ứng dụng web hỗ trợ ML.
Chúng tôi sử dụng streamlit
Gói Python để tạo hình minh họa giao diện người dùng cho ứng dụng này. Các IMDb-Knowledge-Graph-Blog/part3-out-of-catalog/run_imdb_demo.py
Tệp Python trong của chúng tôi Repo GitHub có mã bắt buộc để khởi chạy ứng dụng web cục bộ nhằm khám phá khả năng này.
Để chạy mã, hãy hoàn thành các bước sau:
- cài đặt
streamlit
vàaws_requests_auth
Gói Python trong môi trường Python ảo cục bộ của bạn thông qua các lệnh sau trong thiết bị đầu cuối của bạn:
- Thay thế trình giữ chỗ cho URL Cổng API trong mã như sau bằng trình giữ chỗ do AWS CDK tạo:
api = '<ENTER URL OF THE API GATEWAY HERE>/opensearch-lambda?q={query_text}&numMovies={num_movies}&numRecs={num_recs}'
- Khởi chạy ứng dụng web bằng lệnh
streamlit run run_imdb_demo.py
từ thiết bị đầu cuối của bạn.
Tập lệnh này khởi chạy ứng dụng web Streamlit có thể được truy cập trong trình duyệt web của bạn. Có thể truy xuất URL của ứng dụng web từ đầu ra tập lệnh, như minh họa trong ảnh chụp màn hình sau.
Ứng dụng chấp nhận các chuỗi tìm kiếm mới, số lần truy cập và số lượng đề xuất. Số lượt truy cập tương ứng với số lượng tiêu đề OOC phù hợp mà chúng tôi sẽ truy xuất từ danh mục (IMDb) bên ngoài. Số lượng đề xuất tương ứng với số lượng hàng xóm gần nhất mà chúng ta nên truy xuất từ danh mục khách hàng dựa trên tìm kiếm nhúng kNN. Xem đoạn mã sau:
Đầu vào này (truy vấn, số lần truy cập và đề xuất) được chuyển đến **-ReadFromOpenSearchLambda-**
Hàm Lambda do AWS CDK tạo thông qua yêu cầu Cổng API. Điều này được thực hiện trong chức năng sau:
Kết quả đầu ra của hàm Lambda từ OpenSearch Service được chuyển đến API Gateway và được hiển thị trong ứng dụng Streamlit.
Làm sạch
Bạn có thể xóa tất cả các tài nguyên được tạo bởi AWS CDK thông qua lệnh npx cdk destroy –app “python3 appy.py” --all
trong cùng một trường hợp (bên trong cdk
thư mục) đã được sử dụng để khởi chạy ngăn xếp (xem ảnh chụp màn hình sau).
Kết luận
Trong bài đăng này, chúng tôi đã chỉ cho bạn cách tạo giải pháp cho tìm kiếm OOC bằng cách sử dụng tìm kiếm dựa trên văn bản và kNN bằng SageMaker và OpenSearch Service. Bạn đã sử dụng nhúng mô hình biểu đồ tri thức tùy chỉnh để tìm hàng xóm gần nhất trong danh mục của bạn với danh mục tiêu đề IMDb. Ví dụ: giờ đây, bạn có thể tìm kiếm “The Rings of Power”, một loạt phim giả tưởng do Amazon Prime Video phát triển, trên các nền tảng phát trực tuyến khác và lý giải cách họ có thể tối ưu hóa kết quả tìm kiếm.
Để biết thêm thông tin về mẫu mã trong bài đăng này, hãy xem Repo GitHub. Để tìm hiểu thêm về cách cộng tác với Amazon ML Solutions Lab để xây dựng các ứng dụng ML tiên tiến nhất tương tự, hãy xem Phòng thí nghiệm Giải pháp Máy học của Amazon. Để biết thêm thông tin về việc cấp phép bộ dữ liệu IMDb, hãy truy cập nhà phát triển.imdb.com.
Về các tác giả
Divya Bhargavi là Nhà khoa học dữ liệu và Trưởng nhóm ngành truyền thông và giải trí tại Phòng thí nghiệm giải pháp máy học của Amazon, nơi cô giải quyết các vấn đề kinh doanh có giá trị cao cho khách hàng AWS bằng Machine Learning. Cô ấy nghiên cứu về hiểu biết hình ảnh/video, hệ thống đề xuất sơ đồ tri thức, các trường hợp sử dụng quảng cáo dự đoán.
Gaurav phát hành là Nhà khoa học dữ liệu tại Amazon ML Solution Lab, nơi ông làm việc với khách hàng AWS trên các ngành dọc khác nhau để đẩy nhanh việc sử dụng máy học và các dịch vụ Đám mây AWS để giải quyết các thách thức kinh doanh của họ.
Matthew Rhodes là Nhà khoa học dữ liệu, tôi làm việc trong Phòng thí nghiệm giải pháp ML của Amazon. Anh ấy chuyên xây dựng các quy trình Machine Learning liên quan đến các khái niệm như Xử lý ngôn ngữ tự nhiên và Thị giác máy tính.
Karan Sindwani là Nhà khoa học dữ liệu tại Phòng thí nghiệm giải pháp học máy của Amazon, nơi anh xây dựng và triển khai các mô hình học sâu. Ông chuyên về lĩnh vực thị giác máy tính. Trong thời gian rảnh rỗi, anh ấy thích đi bộ đường dài.
Soji Adeshina là Nhà khoa học ứng dụng tại AWS, nơi ông phát triển các mô hình dựa trên mạng thần kinh đồ thị cho máy học trên các tác vụ đồ thị với các ứng dụng chống gian lận & lạm dụng, đồ thị tri thức, hệ thống đề xuất và khoa học đời sống. Trong thời gian rảnh rỗi, anh ấy thích đọc sách và nấu ăn.
Vidya Sagar Ravipati là Người quản lý tại Phòng thí nghiệm giải pháp máy học của Amazon, nơi anh tận dụng kinh nghiệm dày dặn của mình trong các hệ thống phân tán quy mô lớn và niềm đam mê học máy của mình để giúp khách hàng AWS trên các ngành dọc khác nhau đẩy nhanh quá trình áp dụng AI và đám mây của họ.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến thức. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/power-recommendations-and-search-using-an-imdb-knowledge-graph-part-3/
- 1
- 10
- 100
- 11
- 116
- 7
- 9
- a
- Giới thiệu
- lạm dụng
- đẩy nhanh tiến độ
- Chấp nhận
- truy cập
- ngang qua
- hoạt động
- thêm vào
- Ngoài ra
- Thêm
- Nhận con nuôi
- Quảng cáo
- AI
- Tất cả
- đàn bà gan dạ
- Phòng thí nghiệm giải pháp Amazon ML
- Sao Hải vương Amazon
- Amazon Sao Hải Vương ML
- Dịch vụ Tìm kiếm Mở của Amazon
- Amazon SageMaker
- phân tích
- và
- api
- ứng dụng
- Các Ứng Dụng
- các ứng dụng
- áp dụng
- Đăng Nhập
- phương pháp tiếp cận
- kiến trúc
- KHU VỰC
- liên kết
- Tự động
- sẵn có
- có sẵn
- AWS
- Trao đổi dữ liệu AWS
- dựa
- bởi vì
- BEST
- giữa
- Tỷ
- Hộp
- phòng vé
- trình duyệt
- xây dựng
- Xây dựng
- xây dựng
- kinh doanh
- khả năng
- trường hợp
- Danh mục hàng
- thách thức
- Chọn
- khách hàng
- đám mây
- áp dụng đám mây
- dịch vụ điện toán đám mây
- cụm
- mã
- hợp tác
- kết hợp
- Các công ty
- công ty
- Của công ty
- hoàn thành
- Hoàn thành
- máy tính
- Tầm nhìn máy tính
- khái niệm
- An ủi
- liên tục
- chứa
- nội dung
- tương ứng
- có thể
- nước
- tạo
- tạo ra
- Tạo
- tạo
- tín
- Current
- Hiện nay
- khách hàng
- khách hàng
- Cam kết của khách hàng
- khách hàng
- dữ liệu
- Trao đổi dữ liệu
- nhà khoa học dữ liệu
- cơ sở dữ liệu
- bộ dữ liệu
- sâu
- học kĩ càng
- chứng minh
- chứng minh
- triển khai
- triển khai
- triển khai
- Nguồn gốc
- mô tả
- phá hủy
- Phát hiện
- phát triển
- Phát triển
- phát triển
- khác nhau
- trực tiếp
- trực tiếp
- phát hiện
- thảo luận
- phân phối
- hệ thống phân phối
- tài liệu
- tài liệu
- Không
- miền
- mỗi
- dễ dàng hơn
- cho phép
- Tham gia
- nâng cao
- đăng ký hạng mục thi
- Nhập cảnh
- Giải trí
- thực thể
- Môi trường
- Sự kiện
- BAO GIỜ
- ví dụ
- Sàn giao dịch
- kinh nghiệm
- khám phá
- ngoài
- thêm
- phải đối mặt với
- Tính quen thuộc
- FANTASY
- Hình
- Tập tin
- Các tập tin
- Tìm kiếm
- tìm thấy
- Tên
- dòng chảy
- tiếp theo
- sau
- tìm thấy
- gian lận
- phát hiện gian lận
- thường xuyên
- thường xuyên
- từ
- đầy đủ
- chức năng
- chức năng
- chức năng
- chức năng
- cửa ngõ
- tạo ra
- được
- Toàn cầu
- đồ thị
- đồ thị
- xử lý
- tiêu đề
- giúp đỡ
- Đánh
- Số lượt truy cập
- Độ đáng tin của
- Hướng dẫn
- HTML
- HTTPS
- Hàng trăm
- hình ảnh
- thực hiện
- thực hiện
- nâng cao
- in
- Bao gồm
- Tăng lên
- chỉ số
- chỉ số
- CHỈ SỐ
- ngành công nghiệp
- thông tin
- đầu vào
- cài đặt, dựng lên
- ví dụ
- thay vì
- tương tác
- tương tác
- Giao thức
- liên quan
- IT
- mặt hàng
- Key
- kiến thức
- Sơ đồ tri thức
- phòng thí nghiệm
- Ngôn ngữ
- lớn
- quy mô lớn
- mới nhất
- phóng
- ra mắt
- lớp
- dẫn
- LEARN
- học tập
- đòn bẩy
- Thư viện
- Giấy phép
- Cấp phép
- Cuộc sống
- Khoa học đời sống
- Hạn chế
- Danh sách
- tải
- địa phương
- máy
- học máy
- LÀM CHO
- quản lý
- quản lý
- giám đốc
- thủ công
- nhiều
- bản đồ
- lập bản đồ
- Maps
- dấu
- Trận đấu
- phù hợp
- Phương tiện truyền thông
- Các thành viên
- đề cập
- sáp nhập
- Siêu dữ liệu
- triệu
- Phút
- ML
- kiểu mẫu
- mô hình
- theo dõi
- giám sát
- tháng
- chi tiết
- phim
- Phim Điện Ảnh
- nhiều
- Tự nhiên
- Xử lý ngôn ngữ tự nhiên
- người hàng xóm
- Neptune
- dựa trên mạng
- mạng
- mạng thần kinh
- Mới
- nút
- con số
- thu được
- Cung cấp
- Office
- ONE
- mở
- mã nguồn mở
- Hoạt động
- tối ưu hóa
- gọi món
- OS
- Nền tảng khác
- gói
- một phần
- thông qua
- niềm đam mê
- con đường
- Thực hiện
- thực hiện
- giữ chỗ
- nền tảng
- Nền tảng
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- xin vui lòng
- Bài đăng
- quyền lực
- -
- thực hành
- Thủ tướng
- Chuẩn bị
- trình bày
- chính
- Thủ tướng Chính phủ
- in
- vấn đề
- quá trình
- Xử lý
- xử lý
- Sản phẩm
- Sản lượng
- cung cấp
- cung cấp
- mua
- mục đích
- Python
- phạm vi
- xếp hạng
- Reading
- sẵn sàng
- thời gian thực
- lý do
- Khuyến nghị
- khuyến nghị
- sự liên quan
- có liên quan
- trả lời
- Báo cáo
- kho
- yêu cầu
- yêu cầu
- cần phải
- tài nguyên
- Thông tin
- phản ứng
- REST của
- kết quả
- Kết quả
- giữ
- trở lại
- Trả về
- chạy
- chạy
- nhà làm hiền triết
- tương tự
- Lưu
- kịch bản
- KHOA HỌC
- Nhà khoa học
- Tìm kiếm
- phần
- an toàn
- an ninh
- Loạt Sách
- dịch vụ
- DỊCH VỤ
- định
- thiết lập
- thiết lập
- nên
- thể hiện
- Chương trình
- tương tự
- tương
- Đơn giản
- đơn giản hóa
- duy nhất
- tình huống
- giải pháp
- Giải pháp
- động SOLVE
- Giải quyết
- một số
- nguồn
- Không gian
- chuyên
- riêng
- chia
- ngăn xếp
- Bắt đầu
- bắt đầu
- nhà nước-of-the-art
- Các bước
- là gắn
- lưu trữ
- Câu chuyện
- trực tuyến
- subnet
- như vậy
- bộ
- hỗ trợ
- hệ thống
- Hãy
- mất
- nhiệm vụ
- kỹ thuật
- Thiết bị đầu cuối
- Sản phẩm
- Khu vực
- khớp
- cung cấp their dịch
- bằng cách ấy
- hàng ngàn
- số ba
- Thông qua
- thời gian
- Yêu sách
- trò chơi
- đến
- hàng đầu
- Train
- đào tạo
- Chuyển đổi
- trillions
- tv
- điển hình
- Dưới
- sự hiểu biết
- Đang tải lên
- URL
- sử dụng
- người sử dang
- Giao diện người dùng
- Bằng cách sử dụng
- nhiều
- Lớn
- nhà cung cấp
- ngành dọc
- Video
- Xem
- ảo
- tầm nhìn
- hình dung
- web
- Ứng dụng web
- trình duyệt web
- Website
- cái nào
- rộng
- Phạm vi rộng
- sẽ
- ở trong
- Từ
- từ
- đang làm việc
- công trinh
- sẽ
- Bạn
- trên màn hình
- zephyrnet
- khu vực Ace