M
عن Moshkin

خريطة رياضية لعالم الروائح

يحوّل Moshkin كل عطر إلى متجه من 256 بُعدًا مبني على النوتات والأكوردات وتجارب المستخدمين عن الثبات والأثر العطري والموسم. يعكس التقارب بين هذه المتجهات تشابه الخصائص العطرية، بعيدًا عن العلامة والسعر.

15,000عطور بنوتاتها وأكورداتها
1,144علامات
3 لغاتالفارسية والإنجليزية والفرنسية
يوميًاتحديث البيانات

الطريقة في ثلاث خطوات

  1. 1

    التمثيل بالمتجهات

    نرمّز النوتات بأوزان منفصلة للمقدمة والقلب والقاعدة، مع وزن IDF الذي يعطي النوتات الأندر أهمية أكبر، ونضيف الأكوردات وتصويتات المستخدمين. ثم يُطبّع المتجه النهائي بمعيار L2.

  2. 2

    قياس التشابه

    نقارن عطرين بتشابه جيب التمام بين متجهيهما. هذا نظام توصية قائم على المحتوى؛ يعتمد على تقارب الخصائص العطرية، لا على العلامة أو الشراء المشترك.

  3. 3

    تقليل الأبعاد

    يعرض UMAP الفضاء ذي 256 بُعدًا في بُعدين، مع السعي إلى الحفاظ على العلاقات بين النقاط. والنتيجة خريطة تتجمع فيها العطور ذات الخصائص المتقاربة.

العلم وراء Moshkin

لمن يريد معرفة ما يحدث خلف الكواليس.

كيف يجد Moshkin العطور المتشابهة؟
نحوّل كل عطر إلى متجه من 256 بُعدًا يعبّر عن أكورداته ونوتاته، بأوزان مختلفة للمقدمة والقلب والقاعدة، وصفات مثل التقييم والثبات والأثر العطري. تحصل النوتات النادرة على وزن أكبر باستخدام IDF، ثم تُطبّع المتجهات، ويُقاس التقارب بينها بتشابه جيب التمام. إنه نظام توصية قائم على المحتوى؛ فالتشابه يعكس تقارب الخصائص العطرية في البيانات، وليس مجرد الانتماء إلى العلامة نفسها.
ما خريطة العطور، وكيف تُبنى؟
يصعب عرض فضاء الرائحة ذي 256 بُعدًا مباشرةً، لذلك نحوله إلى عرض ثنائي الأبعاد (2D) باستخدام UMAP، مع t-SNE كبديل. تحاول هذه الطرق الحفاظ على العلاقات بين النقاط أثناء تقليل الأبعاد. فتظهر العطور المتقاربة في خصائصها بجوار بعضها، وتكوّن مجموعات وعائلات يمكنك استكشافها بصريًا.
ما الرياضيات وعلوم البيانات المستخدمة؟
نعتمد على تمثيل متجهي، وتجزئة الخصائص لآلاف النوتات، وأوزان IDF، والتطبيع بمعيار L2، وتشابه جيب التمام، وتقليل الأبعاد غير الخطي باستخدام UMAP وt-SNE. وتُستخدم تقييمات المستخدمين كإشارة مساندة؛ إنه تطبيق للجبر الخطي وتعلّم الآلة في عالم الروائح.
هل تستخدمون الشبكات العصبية؟
يعتمد محرك Moshkin حاليًا على المتجهات وتقليل الأبعاد، ضمن أساليب تعلّم الآلة التقليدية، وليس على شبكة عصبية. وتشمل خطتنا إضافة الشبكات العصبية والتعلّم العميق لتعلّم تمثيل الروائح مباشرةً. نستفيد من أفكار أبحاث مثل Principal Odor Map المنشور في Science عام 2023، الذي يستخدم الشبكات العصبية البيانية لربط البنية الجزيئية بإدراك الرائحة.
من أين تأتي البيانات، وكيف تُحدّث؟
نجمّع البيانات من مصادر عطرية عامة، مثل المواقع والمنتديات والمجلات، ومن تصويتات المستخدمين، ثم ننظّفها ونتحقّق من توافقها وندمجها. وتخضع البيانات لمتابعة وتحديث مستمرين؛ تُضاف السجلات الجديدة إلى فضاء المتجهات نفسه للحفاظ على اتساق المقارنات بمرور الوقت.
المراجع وقراءات إضافية

الطرق والأفكار التي يستند إليها عملنا:

اكتشف أقرب العطور إلى عطرك

اختر عطرًا لنعرض لك الأقرب إليه في الخصائص العطرية.