VEDR (Vector Embedding Drift Rate)
Süni intellekt və axtarış sistemlərində istifadə olunan vektor embeddinglərinin zaman keçdikcə yeni daxil olan məlumatlar qarşısında semantik dəqiqliyini itirmə sürəti.
VEDR = ((Köhnə və Yeni Vektorlar Arasındakı Kosinus Məsafəsi Fərqi) / Köhnə Kosinus Məsafəsi) * 100Ətraflı İzah
Vektor verilənlər bazalarında məlumatlar riyazi vektorlar kimi saxlanılır. Zamanla dilin dəyişməsi, yeni trendlər və ya məhsul çeşidlərinin artması köhnə vektor modellərinin semantik əlaqələri səhv qurmasına səbəb olur.
VEDR modelin yenidən öyrədilməsi (retraining) vaxtını təyin edir. Yüksək VEDR axtarış nəticələrinin keyfiyyətsizləşdiyini və istifadəçilərə qeyri-adekvat cavablar verildiyini göstərir.
Bu metrik semantik axtarış sistemləri və tövsiyə mühərrikləri (recommendation engines) işlədən startaplar üçün vacib texnoloji göstəricidir.
Axtarış modelinin iki əsas anlayış ('smartfon' və 'mobil telefon') üçün müəyyən etdiyi ilkin kosinus məsafəsi 0.95 olub. 6 ay sonra yeni məlumatlar daxil olduqdan sonra bu məsafə 0.80-ə düşüb. Hesablama: VEDR = ((0.95 - 0.80) / 0.95) * 100 = 15.78%.