আমি এমন সমস্যা সমাধানের জন্য একটি পরিকল্পনার পদ্ধতির সন্ধান করার চেষ্টা করছি যা নতুন উপাদানগুলির মডেল লার্নিংয়ের চেষ্টা করে। আমরা ধরে নিই যে উইকিপিডিয়া হিসাবে আমাদের কাছে কেবল একটি সংস্থান রয়েছে যা এতে থাকা জ্ঞানের ভেক্টর হিসাবে উপস্থাপিত নিবন্ধগুলির একটি তালিকা এবং সেই নিবন্ধটি পড়ার প্রচেষ্টা রয়েছে ।
জ্ঞান ভেক্টর এবং প্রচেষ্টা
আমরা শুরু করার আগে, আমরা বিভিন্ন ধরণের জ্ঞানের সংখ্যার উপর নির্ভর করে ভেক্টরের জন্য একটি আকার নির্ধারণ করি। উদাহরণস্বরূপ, আমরা ভেক্টরটিতে থাকা আইটেমগুলি সংজ্ঞায়িত করতে পারি (algebra, geometry, dark ages)এবং তারপরে এই দৃষ্টিকোণ থেকে সমস্ত নিবন্ধ 'পরিমাপ' করতে পারি । সুতরাং, একটি গণিত নিবন্ধ সম্ভবত হবে (5,7,0), যেহেতু এটি বীজগণিত এবং জ্যামিতি সম্পর্কে অনেক কথা বলবে কিন্তু অন্ধকার যুগ সম্পর্কে নয়। এটি একটি থাকবে প্রচেষ্টা এটা পড়তে, যা কেবল একটি পূর্ণসংখ্যা।
সমস্যা
সমস্ত নিবন্ধ দেওয়া (একটি প্রচেষ্টা সহ জ্ঞান ভেক্টর হিসাবে উপস্থাপিত), আমরা নিবন্ধগুলির সর্বোত্তম সেটটি সন্ধান করতে চাই যা আমাদের জ্ঞানের লক্ষ্যে পৌঁছাতে সহায়তা করে (এছাড়াও ভেক্টর হিসাবে উপস্থাপিত)।
সুতরাং, একটি জ্ঞানের লক্ষ্য হতে পারে (4,4,0)এবং এটি একটি নিবন্ধ পড়ার পক্ষে যথেষ্ট (2,1,0)এবং (2,3,0)যখন যুক্ত করা হয় তখন এটি জ্ঞানের লক্ষ্যকে যুক্ত করে। আমরা সর্বনিম্ন প্রচেষ্টা সহ এটি করতে চাই ।
প্রশ্ন
আমি একটি আনুমানিক সন্ধান করার জন্য কিছু তাত্পর্যপূর্ণ চেষ্টা করেছি, তবে আমি ভাবছিলাম যে আর্ট স্ট্র্যাটেজিক প্ল্যানিং পদ্ধতির কোনও রাষ্ট্র রয়েছে যা পরিবর্তে ব্যবহার করা যেতে পারে?