M

دربارهٔ مشکین

مشکین را جمعی از دانش‌آموختگان دانشگاه صنعتی شریف می‌سازند؛ با یک هدف: ترکیب هنر سنتی و تجربی انتخاب عطر با زبان داده و ریاضیات. به جای تکیه بر نام برند یا تبلیغات، عطرها را بر اساس «بو» و ساختار واقعی‌شان کنار هم می‌گذاریم تا انتخاب برای هر کس شفاف‌تر و دقیق‌تر شود.

داده‌های ما از فراگرانتیکا و چندین سایت، فروم و مجلهٔ معتبر دیگر عطر گردآوری، پاک‌سازی، هم‌سنجی و ادغام می‌شود. این مجموعهٔ داده ثابت نیست: به طور پیوسته پایش و به‌روزرسانی می‌شود، پس نت‌ها، امتیازها و رتبه‌بندی‌ها با گذر زمان تغییر می‌کنند و دقیق‌تر می‌شوند.

علم پشت مشکین

مشکین چطور عطرهای مشابه را پیدا می‌کند؟
هر عطر به یک بردار ۲۵۶ بعدی تبدیل می‌شود که اکوردها، نت‌ها (با وزن متفاوت برای نت‌های آغازین، میانی و پایه) و ویژگی‌هایی مانند امتیاز، ماندگاری و پخش بو را کدگذاری می‌کند. نت‌های نادر وزن بیشتری می‌گیرند (IDF)، بردارها نرمال می‌شوند و نزدیکی دو عطر با شباهت کسینوسی سنجیده می‌شود. این یک توصیه‌گر محتوامحور است: «مشابه» یعنی واقعاً نزدیک در فضای بو، نه صرفاً هم‌برند.
نقشهٔ رایحه چیست و چطور ساخته می‌شود؟
فضای ۲۵۶ بعدی بو برای چشم قابل دیدن نیست، پس آن را با روش UMAP (و در نبودش t-SNE) به دو بعد تصویر می‌کنیم؛ روش‌هایی که ساختار محلی و کلی داده را حفظ می‌کنند. در نتیجه عطرهایی که شبیه هم بو می‌دهند روی نقشه کنار هم می‌نشینند و خانواده‌ها و همسایگی‌های بویایی را می‌سازند که می‌توانی بصری کاوش کنی.
ریاضیات و علم داده پشت کار چیست؟
ستون‌های اصلی: نمایش برداری، هشینگ ویژگی برای هزاران نت، وزن‌دهی IDF، نرمال‌سازی L2، شباهت کسینوسی، و کاهش بعد غیرخطی (UMAP/t-SNE). امتیاز جامعهٔ کاربران هم به عنوان یک سیگنال مکمل به کار می‌رود. خلاصه: جبر خطی و یادگیری ماشین، در خدمت بو.
آیا از شبکه‌های عصبی استفاده می‌کنید؟
امروز موتور اصلی مشکین بر پایهٔ بردار و کاهش بعد (یادگیری ماشین کلاسیک) کار می‌کند، نه شبکهٔ عصبی. اما در نقشهٔ راه ما، افزودن شبکه‌های عصبی و یادگیری عمیق برای یادگیری مستقیم نمایش بو در دست کار است؛ الهام‌بخش ما پژوهش‌هایی مانند «نقشهٔ اصلی بو» (Science، ۲۰۲۳) است که با شبکه‌های عصبی گرافی ساختار مولکول را به ادراک بو نگاشت می‌کند.
داده‌ها از کجا می‌آیند و چقدر به‌روزند؟
از فراگرانتیکا و چندین منبع معتبر دیگر عطر (سایت‌ها، فروم‌ها و مجله‌ها) گردآوری و سپس پاک‌سازی، هم‌سنجی و ادغام می‌شوند. داده‌ها به طور پیوسته پایش و به‌روزرسانی می‌شوند و رکوردهای تازه در همان فضای برداری قبلی جای می‌گیرند تا مقایسه‌ها در طول زمان سازگار بماند.

منابع و مطالعهٔ بیشتر

روش‌ها و مفاهیمی که کار ما بر آن‌ها استوار است: