Potvrda koncepta za semantičku pretragu i inteligentne preporuke u industriji internet domena
Istraživači Univerziteta Donja Gorica (UDG), u saradnji sa industrijom (Alicorn), razvili su i evaluirali pristup za preporuku premium internet domena zasnovan na vještačkoj inteligenciji. Istraživanje, objavljeno u časopisu IEEE Access, pokazuje kako veliki jezički modeli (LLM) i semantička pretraga mogu omogućiti efikasniju preporuku domena iz velikih kolekcija postojećih naziva, uz potencijalnu primjenu na komercijalnim platformama za trgovinu domenima.
IZAZOV
Preporuka premium internet domena predstavlja specifičan izazov jer se odgovarajući nazivi moraju pronaći u postojećem inventaru, umjesto da se slobodno generišu novi. Velike kolekcije domena, ograničene semantičke informacije sadržane u njihovim nazivima i potreba za balansiranjem relevantnosti, raznovrsnosti preporuka i računarskih troškova otežavaju primjenu tradicionalne pretrage i generativnih AI pristupa.
RJEŠENJE
Razvijeni Proof of Concept kombinuje semantičko proširivanje pomoću velikih jezičkih modela, vektorske reprezentacije, FAISS pretragu i različite metode dodatnog rangiranja kako bi se identifikovali i preporučili relevantni premium domeni.
Pristup je evaluiran na uzorku od 30.000 domena iz kolekcije od gotovo 700.000, uz učešće 22 stručnjaka iz industrije internet domena i 180 studenata. Upoređene su različite metode pretrage i rangiranja, uključujući kosinusnu sličnost, maksimalnu marginalnu relevantnost (MMR) i šest pristupa zasnovanih na velikim jezičkim modelima.
Istraživanje ima direktan industrijski značaj za Alicorn, softversku kompaniju iz Crne Gore koja razvija AI rješenja za industriju internet domena, uključujući platformu Name Sentinel.
BENEFITI
- Unaprijeđena semantička pretraga: Pronalaženje relevantnih premium domena na osnovu korisničkih potreba, umjesto oslanjanja isključivo na ključne riječi.
- Optimizacija relevantnosti i raznovrsnosti: Uporedna evaluacija metoda preporuke pokazala je različite odnose između relevantnosti i raznovrsnosti, pružajući osnovu za izbor odgovarajućih metoda rangiranja.
- Eksperimentalno potvrđene performanse pretrage: Testirana konfiguracija semantičke pretrage ostvarila je nDCG@10 od 0,791 i Precision@10 od 0,940 u evaluaciji prve faze pronalaženja kandidata.
- Efikasna pretraga inventara: Pristup koji najprije pretražuje postojeće domene izbjegava nizak procenat podudaranja sa inventarom i povezane troškove slobodnog generisanja naziva.
- Izbor modela na osnovu evaluacije: Uporedna analiza metoda pretrage i LLM rangiranja, uključujući računarske troškove.
- Potencijal za industrijske inovacije: Mogućnost unapređenja komercijalnih platformi za preporuku domena primjenom eksperimentalno evaluiranih AI metoda.
Podrška HPC Montenegro i sljedeći koraci
Istraživanje je djelimično podržano kroz projekte EuroCC2 i EuroCC4SEE, finansirane putem EuroHPC Joint Undertaking, i doprinosi naporima HPC Montenegro na jačanju AI kompetencija i saradnje akademskog i poslovnog sektora.
Dalji razvoj mogao bi uključiti korišćenje HPC resursa za obradu većih kolekcija domena, paralelnu evaluaciju AI modela i testiranje otvorenih modela za vektorske reprezentacije i obradu jezika, kako bi se procijenile mogućnosti unapređenja skalabilnosti i smanjenja troškova.
Naučna publikacija: Premium Domain Name Recommendation via Semantic Retrieval and Reranking of Fixed Aftermarket Inventories – IEEE Access