ਲਾਭ:
- ਸਮੱਗਰੀ-ਅਧਾਰਿਤ ਅਤੇ ਸਹਿਯੋਗੀ ਸਿਫ਼ਾਰਸ਼ ਪਹੁੰਚਾਂ ਵਿਚਕਾਰ ਫਰਕ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਅਸਲ ਸੰਗ੍ਰਹਿ ਵਿੱਚ ਹਰੇਕ ਸਿਫ਼ਾਰਿਸ਼ ਦੀ ਪੁਸ਼ਟੀ ਕਰਕੇ ਜਾਅਲੀ ਸਰੋਤਾਂ ਨੂੰ ਰੋਕਣ ਦੀ ਸਮਰੱਥਾ
- ਸੁਚੇਤ ਵਿਭਿੰਨਤਾ ਦੇ ਨਾਲ ਫਿਲਟਰ ਬੁਲਬੁਲੇ ਨੂੰ ਤੋੜਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਪਾਰਦਰਸ਼ੀ ਜਾਇਜ਼ਤਾ ਦੇ ਨਾਲ ਸੁਝਾਅ ਪੇਸ਼ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਉਪਭੋਗਤਾ ਦੇ ਪੜ੍ਹਨ ਅਤੇ ਖੋਜ ਇਤਿਹਾਸ ਦੀ ਗੋਪਨੀਯਤਾ ਦੀ ਰੱਖਿਆ ਕਰਨਾ ਅਤੇ ਇਸ ਡੇਟਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਪ੍ਰੋਸੈਸ ਕਰਨਾ
ਇੱਕ ਪਾਠਕ ਪੁੱਛ ਸਕਦਾ ਹੈ "ਮੈਂ ਇਹ ਕਿਤਾਬ ਪੂਰੀ ਕਰ ਲਈ ਹੈ, ਮੈਨੂੰ ਅੱਗੇ ਕੀ ਪੜ੍ਹਨਾ ਚਾਹੀਦਾ ਹੈ?" ', ਇੱਕ ਚੰਗਾ ਲਾਇਬ੍ਰੇਰੀਅਨ ਉਸ ਦੀ ਦਿਲਚਸਪੀ, ਪੱਧਰ ਅਤੇ ਉਦੇਸ਼ ਲਈ ਢੁਕਵੇਂ ਸਰੋਤਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦਾ ਹੈ। ਡਿਜੀਟਲ ਸੰਸਾਰ ਵਿੱਚ, ਸਿਫ਼ਾਰਿਸ਼ ਪ੍ਰਣਾਲੀਆਂ ਇਸ ਨੂੰ ਪੈਮਾਨੇ 'ਤੇ ਕਰਦੀਆਂ ਹਨ: ਉਹ ਉਪਭੋਗਤਾ ਦੀ ਪਿਛਲੀ ਦਿਲਚਸਪੀ ਜਾਂ ਸਰੋਤ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਦੇਖ ਕੇ ਨਵੇਂ ਸਰੋਤਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦੇ ਹਨ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਨਕਲੀ ਬੁੱਧੀ-ਆਧਾਰਿਤ ਸਿਫ਼ਾਰਿਸ਼ ਪ੍ਰਣਾਲੀਆਂ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ, ਉਹ ਲਾਇਬ੍ਰੇਰੀ ਵਿੱਚ ਕੀ ਲਿਆਉਂਦੀਆਂ ਹਨ, ਅਤੇ ਗੋਪਨੀਯਤਾ, ਪੱਖਪਾਤ ਅਤੇ "ਫਿਲਟਰ ਬਬਲ" ਵਰਗੇ ਜੋਖਮਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਿਵੇਂ ਕਰਨਾ ਹੈ।
ਆਓ ਸੰਕਲਪਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੀਏ। ਸਮਗਰੀ-ਆਧਾਰਿਤ ਸਿਫ਼ਾਰਿਸ਼ ਸਰੋਤ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ (ਵਿਸ਼ਾ, ਲੇਖਕ, ਸ਼ੈਲੀ) ਨੂੰ ਵੇਖਦੀ ਹੈ ਅਤੇ ਸਮਾਨ ਸਰੋਤਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦੀ ਹੈ: "ਜੇ ਤੁਹਾਨੂੰ ਇਹ ਇਤਿਹਾਸ ਕਿਤਾਬ ਪਸੰਦ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਇਸ ਨੂੰ ਵੀ ਪਸੰਦ ਕਰ ਸਕਦੇ ਹੋ, ਜੋ ਉਸੇ ਸਮੇਂ ਨੂੰ ਕਵਰ ਕਰਦੀ ਹੈ।" ਸਹਿਯੋਗੀ ਫਿਲਟਰਿੰਗ "ਤੁਹਾਡੇ ਵਰਗੇ ਸਰੋਤਾਂ ਨੂੰ ਪਸੰਦ ਕਰਨ ਵਾਲੇ ਹੋਰ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਵੀ ਇਹਨਾਂ ਨੂੰ ਪਸੰਦ ਕੀਤਾ" ਦੇ ਸਿਧਾਂਤ 'ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ। ਇੱਕ ਫਿਲਟਰ ਬੁਲਬੁਲਾ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਇੱਕ ਸਿਫਾਰਿਸ਼ ਸਿਸਟਮ ਉਪਭੋਗਤਾ ਨੂੰ ਲਗਾਤਾਰ ਸਮਾਨ ਸਮੱਗਰੀ ਵਿੱਚ ਲੌਕ ਕਰਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਨਵੇਂ, ਵੱਖ-ਵੱਖ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਤੋਂ ਦੂਰ ਰੱਖਦਾ ਹੈ। ਇੱਕ ਚੰਗੀ ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਦਿਲਚਸਪੀ ਨੂੰ ਹਾਸਲ ਕਰਦੀ ਹੈ ਅਤੇ ਬੁਲਬੁਲੇ ਨੂੰ ਤੋੜਦੀ ਹੈ।
ਕਦਮ ਦਰ ਕਦਮ: ਇੱਕ ਜ਼ਿੰਮੇਵਾਰ ਸਲਾਹ ਪਹੁੰਚ
1. ਉਦੇਸ਼ ਸਪਸ਼ਟ ਕਰੋ। ਪ੍ਰਸਤਾਵ ਦਾ ਉਦੇਸ਼ ਕੀ ਹੈ? ਕੀ ਤੁਸੀਂ ਚਾਹੁੰਦੇ ਹੋ ਕਿ ਉਪਭੋਗਤਾ ਪੜ੍ਹਨਾ ਜਾਰੀ ਰੱਖੇ, ਉਹਨਾਂ ਦੇ ਦੂਰੀ ਨੂੰ ਵਿਸ਼ਾਲ ਕਰੇ, ਜਾਂ ਕਿਸੇ ਖਾਸ ਖੋਜ ਪ੍ਰਸ਼ਨ ਲਈ ਸਰੋਤ ਲੱਭੇ? ਉਦੇਸ਼ ਸਿਫਾਰਸ਼ ਦੀ ਕਿਸਮ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ।
2. ਸਰੋਤ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਸੁਝਾਅ ਦੇਣ ਵੇਲੇ AI ਗੈਰ-ਮੌਜੂਦ ਕਿਤਾਬਾਂ ਬਣਾ ਸਕਦਾ ਹੈ। ਪੁਸ਼ਟੀ ਕਰੋ ਕਿ ਹਰੇਕ ਸੁਝਾਏ ਸਰੋਤ ਅਸਲ ਵਿੱਚ ਸੰਗ੍ਰਹਿ ਵਿੱਚ ਜਾਂ ਇੱਕ ਭਰੋਸੇਯੋਗ ਕੈਟਾਲਾਗ ਵਿੱਚ ਮੌਜੂਦ ਹੈ।
3. ਵਿਭਿੰਨਤਾ ਬਣਾਈ ਰੱਖੋ। ਸਿਰਫ਼ "ਸਭ ਤੋਂ ਸਮਾਨ" ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਨ ਨਾਲ ਇੱਕ ਫਿਲਟਰ ਬੁਲਬੁਲਾ ਬਣਦਾ ਹੈ। ਸੁਚੇਤ ਤੌਰ 'ਤੇ ਵੱਖ-ਵੱਖ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ, ਵੱਖ-ਵੱਖ ਲੇਖਕਾਂ ਅਤੇ ਵੱਖ-ਵੱਖ ਪੱਧਰਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰੋ। ਲਾਇਬ੍ਰੇਰੀ ਦਾ ਕੰਮ ਹਰੀਜ਼ੋਨ ਨੂੰ ਖੋਲ੍ਹਣਾ ਹੈ, ਨਾ ਕਿ ਉਹਨਾਂ ਨੂੰ ਵਾਤਾਵਰਣ ਤੱਕ ਸੀਮਤ ਕਰਨਾ।
4. ਗੋਪਨੀਯਤਾ ਦੀ ਰੱਖਿਆ ਕਰੋ। ਵਿਅਕਤੀਗਤ ਸਿਫਾਰਸ਼ ਉਪਭੋਗਤਾ ਦੇ ਪੜ੍ਹਨ ਦੇ ਇਤਿਹਾਸ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ ਅਤੇ ਬਹੁਤ ਸਹੀ ਹੈ। ਇਸ ਡੇਟਾ ਨੂੰ ਆਮ AI ਟੂਲਸ ਨੂੰ ਪ੍ਰਦਾਨ ਨਾ ਕਰੋ; ਉਪਭੋਗਤਾ ਦੀ ਸਹਿਮਤੀ ਨਾਲ, ਸੰਸਥਾ ਦੇ ਸੁਰੱਖਿਅਤ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਅੰਦਰ ਹੀ ਪ੍ਰਕਿਰਿਆ ਕਰੋ।
5. ਪਾਰਦਰਸ਼ੀ ਬਣੋ। ਉਪਭੋਗਤਾ ਨੂੰ ਸਮਝਾਓ ਕਿ ਸਿਫ਼ਾਰਸ਼ ਕਿਉਂ ਕੀਤੀ ਗਈ ਸੀ: "ਇਸ ਸਰੋਤ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਗਈ ਸੀ ਕਿਉਂਕਿ ਇਹ ਉਸ ਵਿਸ਼ੇ ਨਾਲ ਸਬੰਧਤ ਹੈ ਜਿਸ ਵਿੱਚ ਤੁਹਾਡੀ ਦਿਲਚਸਪੀ ਹੈ।" ਪਾਰਦਰਸ਼ਤਾ ਭਰੋਸੇ ਅਤੇ ਸੂਚਨਾ ਸਾਖਰਤਾ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦੀ ਹੈ।
ਸੁਝਾਅ: ਸੁਝਾਵਾਂ ਦੀ ਸੂਚੀ ਵਿੱਚ ਸੁਚੇਤ ਤੌਰ 'ਤੇ ਇੱਕ "ਥੋੜਾ ਵੱਖਰਾ" ਸਰੋਤ ਸ਼ਾਮਲ ਕਰੋ ਅਤੇ ਬਿਆਨ ਕਰੋ: "ਇਹ ਤੁਹਾਡੀ ਦਿਲਚਸਪੀ ਦੇ ਖੇਤਰ ਦੇ ਨੇੜੇ ਹਨ; ਮੈਂ ਇਸਨੂੰ ਇੱਕ ਰਿਫਰੈਸ਼ਰ ਵਜੋਂ ਜੋੜਿਆ ਹੈ।" ਇਹ ਦੋਵੇਂ ਫਿਲਟਰ ਬੁਲਬੁਲੇ ਨੂੰ ਤੋੜਦੇ ਹਨ ਅਤੇ ਲਾਇਬ੍ਰੇਰੀ ਦੇ ਖੋਜ ਮੁੱਲ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ।
ਪ੍ਰਸਤਾਵ ਦਾ ਨੈਤਿਕ ਪਹਿਲੂ
ਸਿਫ਼ਾਰਿਸ਼ ਪ੍ਰਣਾਲੀਆਂ ਨਿਰਦੋਸ਼ ਲੱਗਦੀਆਂ ਹਨ ਪਰ ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਭਾਵ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ। ਉਪਭੋਗਤਾ ਨੂੰ ਕਿਹੜੇ ਸਰੋਤਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜੋ ਉਸਦੀ ਜਾਣਕਾਰੀ ਦੀ ਦੁਨੀਆ ਨੂੰ ਆਕਾਰ ਦਿੰਦਾ ਹੈ। ਜੇਕਰ ਸਿਸਟਮ ਸਿਰਫ਼ ਉਹਨਾਂ ਸਰੋਤਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ ਜੋ ਪ੍ਰਸਿੱਧ ਹਨ ਜਾਂ ਸਿਰਫ਼ ਕਿਸੇ ਖਾਸ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, ਘੱਟ ਗਿਣਤੀ ਦੀਆਂ ਆਵਾਜ਼ਾਂ, ਵੱਖੋ-ਵੱਖਰੇ ਵਿਚਾਰ, ਅਤੇ ਘੱਟ ਜਾਣੇ-ਪਛਾਣੇ ਕੀਮਤੀ ਸਰੋਤ ਅਦਿੱਖ ਹੋਣਗੇ। AI ਸਿਖਲਾਈ ਡੇਟਾ ਵਿੱਚ ਪ੍ਰਸਿੱਧੀ ਅਤੇ ਪੱਖਪਾਤ ਨੂੰ ਵਿਰਾਸਤ ਵਿੱਚ ਪ੍ਰਾਪਤ ਕਰਕੇ ਇਸ ਰੁਝਾਨ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰ ਸਕਦਾ ਹੈ।
ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਲਾਇਬ੍ਰੇਰੀਅਨਸ਼ਿਪ ਦਾ ਮੁੱਲ ਆਉਂਦਾ ਹੈ: ਲਾਇਬ੍ਰੇਰੀ ਇੱਕ ਵਪਾਰਕ ਸਿਫਾਰਸ਼ ਇੰਜਣ ਨਹੀਂ ਹੈ; ਇਸਦਾ ਉਦੇਸ਼ ਜਾਣਕਾਰੀ ਤੱਕ ਬਰਾਬਰ ਅਤੇ ਵਿਭਿੰਨ ਪਹੁੰਚ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ। ਇਸ ਮੁੱਲ ਨਾਲ ਸਿਫ਼ਾਰਿਸ਼ ਪ੍ਰਣਾਲੀ ਨੂੰ ਇਕਸਾਰ ਕਰਨਾ ਲਾਇਬ੍ਰੇਰੀਅਨ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ।
ਧਿਆਨ ਦਿਓ: ਉਪਭੋਗਤਾ ਦਾ ਪੜ੍ਹਨ ਅਤੇ ਖੋਜ ਇਤਿਹਾਸ ਸਭ ਤੋਂ ਸੰਵੇਦਨਸ਼ੀਲ ਗੋਪਨੀਯਤਾ ਡੇਟਾ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਕੋਈ ਵਿਅਕਤੀ ਜੋ ਪੜ੍ਹਦਾ ਹੈ ਉਹ ਉਸਦੀ ਸਿਹਤ, ਰਾਜਨੀਤਿਕ ਵਿਚਾਰਾਂ, ਵਿਸ਼ਵਾਸਾਂ, ਜਾਂ ਨਿੱਜੀ ਸੰਕਟ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਗਟ ਕਰ ਸਕਦਾ ਹੈ। ਕਦੇ ਵੀ ਇਸ ਡੇਟਾ ਨੂੰ ਇਸਦੀ ਪਛਾਣ ਦੇ ਨਾਲ ਬਾਹਰੀ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ ਨਾ ਕਰੋ; ਅਗਿਆਤਕਰਨ ਅਤੇ ਸਹਿਮਤੀ ਜ਼ਰੂਰੀ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 — ਸਮੱਗਰੀ-ਆਧਾਰਿਤ ਸਿਫ਼ਾਰਿਸ਼ਾਂ ਨੇ ਕੰਮ ਕੀਤਾ। ਇੱਕ ਸਕੂਲ ਲਾਇਬ੍ਰੇਰੀ ਨੇ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਸਰੋਤਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਨ ਲਈ ਇੱਕ ਸਮੱਗਰੀ-ਆਧਾਰਿਤ ਪ੍ਰਣਾਲੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜੋ ਉਹਨਾਂ ਦੁਆਰਾ ਪੜ੍ਹੀ ਗਈ ਕਿਤਾਬ ਦੇ ਸਮਾਨ ਸਨ। ਇੱਕ ਵਿਦਿਆਰਥੀ ਨੇ ਇੱਕ ਵਿਗਿਆਨ ਗਲਪ ਨਾਵਲ ਨੂੰ ਪੂਰਾ ਕੀਤਾ; ਸਿਸਟਮ ਨੇ ਇੱਕੋ ਥੀਮ ਨੂੰ ਕਵਰ ਕਰਨ ਵਾਲੀਆਂ ਤਿੰਨ ਕਿਤਾਬਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਪਰ ਇੱਕ ਵੱਖਰੇ ਲੇਖਕ ਤੋਂ। ਵਿਦਿਆਰਥੀ ਨੇ ਦੋ ਉਧਾਰ ਲਏ; ਪੜ੍ਹਨ ਦੀ ਆਦਤ ਬਣੀ ਰਹੀ। ਲਾਇਬ੍ਰੇਰੀਅਨ ਨੇ ਪਹਿਲਾਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਸੀ ਕਿ ਸਾਰੇ ਸੁਝਾਅ ਅਸਲ ਵਿੱਚ ਸੰਗ੍ਰਹਿ ਵਿੱਚ ਮੌਜੂਦ ਸਨ।
ਕੇਸ 2 - ਜਾਅਲੀ ਸੁਝਾਅ ਫੜਿਆ ਗਿਆ। ਇੱਕ ਲਾਇਬ੍ਰੇਰੀਅਨ ਨੇ ਇੱਕ ਏਆਈ ਨੂੰ ਇੱਕ ਉਪਭੋਗਤਾ ਨੂੰ 8 ਕਿਤਾਬਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਨ ਲਈ ਕਿਹਾ। ਉਸਨੇ ਕੈਟਾਲਾਗ ਵਿੱਚ ਸੂਚੀ ਦੀ ਜਾਂਚ ਕੀਤੀ: 8 ਵਿੱਚੋਂ 3 ਕਿਤਾਬਾਂ ਬਿਲਕੁਲ ਗਾਇਬ ਸਨ; AI ਨੇ ਮਨਘੜਤ ਸੁਰਖੀਆਂ ਬਣਾਈਆਂ ਸਨ। ਪੁਸ਼ਟੀਕਰਨ ਕਦਮ ਨੇ ਗੈਰ-ਮੌਜੂਦ ਕਿਤਾਬਾਂ ਨੂੰ ਵਰਤੋਂਕਾਰ ਨੂੰ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੇ ਜਾਣ ਤੋਂ ਰੋਕਿਆ।
ਕੇਸ 3 - ਫਿਲਟਰ ਬੈਲੂਨ ਫਟ ਗਿਆ। ਇੱਕ ਖੋਜਕਰਤਾ ਲਗਾਤਾਰ ਇੱਕੋ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਦੇ ਨਾਲ ਸਰੋਤਾਂ ਨਾਲ ਕੰਮ ਕਰ ਰਿਹਾ ਸੀ, ਅਤੇ ਸਿਸਟਮ ਹਮੇਸ਼ਾ ਇੱਕੋ ਜਿਹੇ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ। ਲਾਇਬ੍ਰੇਰੀਅਨ ਨੇ ਜਾਣਬੁੱਝ ਕੇ ਦੋ ਸਰੋਤਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਜੋ ਵਿਸ਼ੇ ਲਈ ਇੱਕ ਵਿਪਰੀਤ ਪਹੁੰਚ ਪੇਸ਼ ਕਰਦੇ ਹਨ ਅਤੇ ਇਸ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਦੇ ਹਨ। ਇਹ ਸਿਰਫ ਇਹਨਾਂ ਵਿਰੋਧੀ ਸਰੋਤਾਂ ਦਾ ਧੰਨਵਾਦ ਸੀ ਕਿ ਖੋਜਕਰਤਾ ਨੇ ਆਪਣੇ ਅਧਿਐਨ ਦੇ ਅਧੂਰੇ ਪਹਿਲੂ ਨੂੰ ਮਹਿਸੂਸ ਕੀਤਾ.
ਕੋਲਡ ਸਟਾਰਟ ਅਤੇ ਨਵਾਂ ਉਪਭੋਗਤਾ ਮੁੱਦਾ
ਸਿਫ਼ਾਰਿਸ਼ਕਰਤਾ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਇੱਕ ਜਾਣੀ-ਪਛਾਣੀ ਚੁਣੌਤੀ ਕੋਲਡ ਸਟਾਰਟ ਸਮੱਸਿਆ ਹੈ: ਸਿਸਟਮ ਇਹ ਨਹੀਂ ਜਾਣਦਾ ਹੈ ਕਿ ਇੱਕ ਨਵੇਂ ਉਪਭੋਗਤਾ ਜਾਂ ਸਰੋਤ ਨੂੰ ਕੀ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਨੀ ਹੈ ਜੋ ਹੁਣੇ ਹੀ ਸੰਗ੍ਰਹਿ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ ਜਿਸ ਲਈ ਕੋਈ ਇਤਿਹਾਸਕ ਡੇਟਾ ਨਹੀਂ ਹੈ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਬਹੁਤ ਸਾਰੇ ਸਿਸਟਮ ਸੁਰੱਖਿਅਤ ਵਿਕਲਪ ਵਜੋਂ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਸਰੋਤਾਂ ਵੱਲ ਮੁੜਦੇ ਹਨ; ਇਸਦਾ ਮਤਲਬ ਇਹ ਹੈ ਕਿ ਬਹੁਤ ਘੱਟ ਜਾਣੇ-ਪਛਾਣੇ ਕੀਮਤੀ ਸਰੋਤਾਂ ਦੀ ਸਿਫਾਰਸ਼ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ ਅਤੇ ਪ੍ਰਸਿੱਧੀ ਆਪਣੇ ਆਪ 'ਤੇ ਫੀਡ ਕਰਦੀ ਹੈ. ਲਾਇਬ੍ਰੇਰੀਅਨਸ਼ਿਪ ਦੀਆਂ ਸ਼ਰਤਾਂ ਵਿੱਚ, ਇਹ ਬਰਾਬਰ ਪਹੁੰਚ ਦੇ ਮੁੱਲ ਨਾਲ ਟਕਰਾਉਂਦਾ ਹੈ। ਹੱਲ ਇਹ ਹੈ ਕਿ ਨਵੇਂ ਉਪਭੋਗਤਾ ਨੂੰ ਸਿਫਾਰਸ਼ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਸਮੱਗਰੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਅਧਾਰ ਤੇ ਨਵੇਂ ਸ਼ਾਮਲ ਕੀਤੇ ਸਰੋਤਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਛੋਟਾ, ਸਪਸ਼ਟ ਤਰਜੀਹ ਸਵਾਲ (ਕਿਹੜੇ ਵਿਸ਼ੇ, ਕਿਹੜਾ ਪੱਧਰ, ਕਿਹੜਾ ਉਦੇਸ਼) ਪੁੱਛਣਾ ਹੈ। ਇਸ ਬਿੰਦੂ 'ਤੇ, ਕਿਸੇ ਸਰੋਤ ਦੇ ਵਿਸ਼ੇ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ, AI ਇੱਕ ਕਿਤਾਬ ਨੂੰ ਵੀ ਲਿੰਕ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਕਦੇ ਵੀ ਸੰਬੰਧਿਤ ਉਪਭੋਗਤਾ ਨੂੰ ਉਧਾਰ ਨਹੀਂ ਲਿਆ ਗਿਆ ਹੈ; ਜਦੋਂ ਤੱਕ ਸੁਝਾਅ ਅਸਲ ਸੰਗ੍ਰਹਿ ਤੋਂ ਆਉਂਦਾ ਹੈ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਹੁੰਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਸਿਸਟਮ ਸਿਰਫ਼ "ਬਹੁਤ ਪਿਆਰੇ" ਨੂੰ ਹੀ ਨਹੀਂ, ਸਗੋਂ "ਪ੍ਰਸੰਗਿਕ ਅਤੇ ਕੀਮਤੀ" ਨੂੰ ਵੀ ਦਿਖਾਉਂਦਾ ਹੈ।
ਸੁਝਾਅ: ਜਦੋਂ ਇੱਕ ਨਵੇਂ ਉਪਭੋਗਤਾ ਲਈ ਇੱਕ ਸਿਫਾਰਿਸ਼ ਸੈਟ ਅਪ ਕਰੋ, ਤਾਂ ਇਸਨੂੰ ਸਿਸਟਮ ਦੇ ਇਤਿਹਾਸਕ ਡੇਟਾ ਦੀ ਬਜਾਏ ਉਪਭੋਗਤਾ ਦੀਆਂ ਮੌਜੂਦਾ ਲੋੜਾਂ 'ਤੇ ਅਧਾਰਤ ਕਰੋ। ਇੱਕ ਚੰਗਾ ਸਵਾਲ ("ਕੀ ਇਹ ਖੋਜ ਲਈ, ਅਨੰਦ ਲਈ, ਕਿਸ ਹੱਦ ਤੱਕ?") ਅਕਸਰ ਮਹੀਨਿਆਂ ਦੇ ਵਿਵਹਾਰ ਸੰਬੰਧੀ ਡੇਟਾ ਨਾਲੋਂ ਵਧੇਰੇ ਸਹੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦਾ ਹੈ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਸਮਗਰੀ-ਅਧਾਰਿਤ ਸਮਾਨ ਸਰੋਤ ਸਿਫ਼ਾਰਿਸ਼ਾਂ:
ਹੇਠਾਂ ਇੱਕ ਸਰੋਤ ਦਾ ਵਿਸ਼ਾ/ਸਾਰਾਂਸ਼ ਹੈ ਜਿਸਨੂੰ ਉਪਭੋਗਤਾ ਪਸੰਦ ਕਰਦਾ ਹੈ। ਮੈਂ ਸਾਡੇ ਸੰਗ੍ਰਹਿ ਵਿੱਚ ਮੌਜੂਦ ਸਰੋਤਾਂ ਦੀ ਇੱਕ ਸੂਚੀ ਵੀ ਦਿੱਤੀ ਹੈ। ਬਸ ਇਸ ਸੂਚੀ ਵਿੱਚੋਂ, ਵਿਸ਼ੇ ਨਾਲ ਮਿਲਦੇ-ਜੁਲਦੇ 5 ਸਰੋਤਾਂ ਦਾ ਸੁਝਾਅ ਦਿਓ ਅਤੇ ਹਰੇਕ ਲਈ ਇੱਕ-ਵਾਕ ਦੀ ਤਰਕਸੰਗਤ ਲਿਖੋ। ਸੁਝਾਏ ਸਰੋਤ ਸੂਚੀਬੱਧ ਨਹੀਂ ਹਨ। ਮਨਪਸੰਦ ਸਰੋਤ: [ਇੱਥੇ] / ਸੰਗ੍ਰਹਿ ਸੂਚੀ: [ਇੱਥੇ]
2) ਸੁਝਾਅ ਜੋ ਵਿਭਿੰਨਤਾ ਨੂੰ ਜੋੜਦਾ ਹੈ:
ਹੇਠਾਂ ਦਿੱਤੇ ਸੁਝਾਵਾਂ ਦੀ ਸੂਚੀ ਵਿੱਚ, 2 ਸਰੋਤ ਸ਼ਾਮਲ ਕਰੋ ਜੋ ਉਪਭੋਗਤਾ ਦੇ ਦੂਰੀ ਨੂੰ ਵਿਸ਼ਾਲ ਕਰਨਗੇ ਅਤੇ ਇੱਕ ਵੱਖਰੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਜਾਂ ਉਪ-ਵਿਸ਼ੇ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨਗੇ (ਕੇਵਲ ਮੇਰੇ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੀ ਸੰਗ੍ਰਹਿ ਸੂਚੀ ਵਿੱਚੋਂ)। ਦੱਸੋ ਕਿ ਉਹ ਵੱਖਰੇ ਅਤੇ ਕੀਮਤੀ ਕਿਉਂ ਹਨ। ਸੂਚੀ: [ਇੱਥੇ] / ਸੰਗ੍ਰਹਿ: [ਇੱਥੇ]
3) ਸਿਫਾਰਸ਼ ਦੇ ਕਾਰਨ ਦੀ ਵਿਆਖਿਆ:
ਹੇਠਾਂ ਦਿੱਤੀ ਹਰੇਕ ਸਿਫ਼ਾਰਿਸ਼ ਲਈ, ਇੱਕ ਛੋਟਾ, ਪਾਰਦਰਸ਼ੀ ਤਰਕਸੰਗਤ ਲਿਖੋ ਜੋ ਉਪਭੋਗਤਾ ਨੂੰ ਦਿਖਾਇਆ ਜਾ ਸਕਦਾ ਹੈ: "ਇਸ ਸਰੋਤ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਗਈ ਸੀ ਕਿਉਂਕਿ..." ਕੋਈ ਅਤਿਕਥਨੀ ਨਹੀਂ, ਨਿੱਜੀ ਡੇਟਾ ਦਾ ਕੋਈ ਪ੍ਰਭਾਵ ਨਹੀਂ। ਸੁਝਾਅ: [ਇੱਥੇ]
4) ਗੋਪਨੀਯਤਾ ਪ੍ਰੀ-ਚੈੱਕ:
ਕੀ ਨਿਮਨਲਿਖਤ ਸੁਝਾਅ ਇੰਦਰਾਜ਼ ਵਿੱਚ ਉਪਭੋਗਤਾ-ਪਛਾਣ ਵਾਲੀ ਜਾਂ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ (ਸਿਹਤ, ਵਿਸ਼ਵਾਸਾਂ, ਰਾਜਨੀਤਿਕ ਵਿਚਾਰਾਂ ਨੂੰ ਦਰਸਾਉਂਦੀ) ਸ਼ਾਮਲ ਹੈ? ਜੇਕਰ ਅਜਿਹਾ ਹੈ, ਤਾਂ ਇਸ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਅਤੇ ਸੁਝਾਓ ਕਿ ਇਸਨੂੰ ਅਗਿਆਤ ਕਿਵੇਂ ਕਰਨਾ ਹੈ। ਇੰਪੁੱਟ: [ਇੱਥੇ]
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਉਪਭੋਗਤਾ ਨੂੰ ਪੜ੍ਹਨ ਲਈ 10 ਕਿਤਾਬਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰੋ।
AI ਸੰਗ੍ਰਹਿ ਨੂੰ ਜਾਣੇ ਬਿਨਾਂ ਆਪਣੀ ਗਲੋਬਲ ਮੈਮੋਰੀ ਤੋਂ ਸੁਝਾਅ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਉਹ ਅਜਿਹੀਆਂ ਕਿਤਾਬਾਂ ਬਣਾ ਸਕਦਾ ਹੈ ਜੋ ਮੌਜੂਦ ਨਹੀਂ ਹਨ ਅਤੇ ਵਿਭਿੰਨਤਾ ਅਤੇ ਗੋਪਨੀਯਤਾ ਦਾ ਸਨਮਾਨ ਨਹੀਂ ਕਰਦੀਆਂ ਹਨ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਪਾਠਕ ਸਲਾਹਕਾਰ ਸਹਾਇਕ। ਹੇਠਾਂ ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਪਸੰਦ ਕੀਤਾ ਵਿਸ਼ਾ ਅਤੇ ਸਾਡੇ ਸੰਗ੍ਰਹਿ ਵਿੱਚ ਅਸਲ ਸਰੋਤਾਂ ਦੀ ਸੂਚੀ ਹੈ। (1) ਸੂਚੀ ਵਿੱਚੋਂ ਵਿਸ਼ੇ ਨਾਲ ਸਬੰਧਤ 5 ਸਰੋਤ ਸੁਝਾਓ। (2) ਵੱਖ-ਵੱਖ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਦੇ ਨਾਲ 2 ਸਰੋਤ ਵੀ ਸ਼ਾਮਲ ਕਰੋ ਜੋ ਤੁਹਾਡੀਆਂ ਅੱਖਾਂ ਖੋਲ੍ਹਣਗੇ। (3) ਹਰੇਕ ਸੁਝਾਅ ਲਈ ਇੱਕ ਪਾਰਦਰਸ਼ੀ ਵਾਜਬੀਅਤ ਲਿਖੋ। ਸੂਚੀ ਤੋਂ ਬਾਹਰ ਨਾ ਜਾਓ, ਸਰੋਤਾਂ ਨੂੰ ਨਾ ਬਣਾਓ, ਜਾਂ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਸੰਕੇਤ ਨਾ ਕਰੋ। ਵਿਸ਼ਾ: [ਇੱਥੇ] / ਸੰਗ੍ਰਹਿ: [ਇੱਥੇ]
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ; ਇਹ ਇਸਨੂੰ ਅਸਲ ਸੰਗ੍ਰਹਿ ਤੱਕ ਸੀਮਿਤ ਕਰਦਾ ਹੈ, ਵਿਭਿੰਨਤਾ ਦੀ ਮੰਗ ਕਰਦਾ ਹੈ, ਅਤੇ ਜਾਇਜ਼ਤਾ ਅਤੇ ਗੋਪਨੀਯਤਾ ਨਿਯਮ ਜੋੜਦਾ ਹੈ।
ਸਿਫ਼ਾਰਸ਼ ਕਿਸਮ ਦੀ ਤੁਲਨਾ ਚਾਰਟ
ਸੁਝਾਅ ਦੀ ਕਿਸਮ
ਮਜ਼ਬੂਤ ਬਿੰਦੂ
ਖਤਰਾ
ਲਾਇਬ੍ਰੇਰੀਅਨ ਦੀ ਡਿਊਟੀ ਹੈ
ਸਮੱਗਰੀ ਅਧਾਰਿਤ
ਚੰਗੀ ਤਰ੍ਹਾਂ ਧਿਆਨ ਖਿੱਚਦਾ ਹੈ
ਫਿਲਟਰ ਬੁਲਬੁਲਾ
ਵਿਭਿੰਨਤਾ ਸ਼ਾਮਲ ਕਰੋ
ਸਹਿਯੋਗੀ
ਹੈਰਾਨੀਜਨਕ ਖੋਜ
ਗੋਪਨੀਯਤਾ, ਪ੍ਰਸਿੱਧੀ ਪੱਖਪਾਤ
ਅਗਿਆਨੀਤਾ, ਸੰਤੁਲਨ
AI ਉਤਪਾਦਨ ਸੂਚੀ
ਤੇਜ਼
ਬਣਾਇਆ ਸਰੋਤ
ਅਸਲੀਅਤ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ
ਆਮ ਗਲਤੀਆਂ
- ਤਸਦੀਕ ਕੀਤੇ ਬਿਨਾਂ ਸੁਝਾਅ ਪੇਸ਼ ਕਰਨਾ। AI ਗੈਰ-ਮੌਜੂਦ ਸਰੋਤ ਬਣਾ ਸਕਦਾ ਹੈ।
- ਸਿਰਫ਼ "ਸਭ ਤੋਂ ਸਮਾਨ" ਦੀ ਸਿਫ਼ਾਰਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ। ਫਿਲਟਰ ਬੁਲਬੁਲਾ ਉਪਭੋਗਤਾ ਦੇ ਦੂਰੀ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰਦਾ ਹੈ।
- ਪੜ੍ਹਨ ਦੇ ਇਤਿਹਾਸ ਨੂੰ ਬਾਹਰੀ ਟੂਲ ਵਿੱਚ ਨਿਰਯਾਤ ਕਰਨਾ। ਇਹ ਗੋਪਨੀਯਤਾ ਦਾ ਸਭ ਤੋਂ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਹੈ।
- ਬਿਨਾਂ ਕਿਸੇ ਤਰਕ ਦੇ ਸੁਝਾਅ ਪੇਸ਼ ਕਰਨਾ। ਪਾਰਦਰਸ਼ਤਾ ਭਰੋਸੇ ਅਤੇ ਸਾਖਰਤਾ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ।
- ਪ੍ਰਸਿੱਧੀ ਪੱਖਪਾਤ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ। ਕੀਮਤੀ ਪਰ ਬਹੁਤ ਘੱਟ ਜਾਣੇ-ਪਛਾਣੇ ਸਰੋਤ ਖਤਮ ਹੋ ਗਏ ਹਨ।
ਸੰਖੇਪ ਵਿੱਚ
ਸਿਫ਼ਾਰਿਸ਼ ਪ੍ਰਣਾਲੀ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਾਧਨ ਹਨ ਜੋ ਉਪਭੋਗਤਾ ਦੀ ਦਿਲਚਸਪੀ ਨੂੰ ਹਾਸਲ ਕਰਕੇ ਖੋਜ ਦੀ ਸਹੂਲਤ ਦਿੰਦੇ ਹਨ; ਸਮੱਗਰੀ-ਆਧਾਰਿਤ ਅਤੇ ਸਹਿਯੋਗੀ ਪਹੁੰਚ ਵੱਖ-ਵੱਖ ਸ਼ਕਤੀਆਂ ਅਤੇ ਜੋਖਮਾਂ ਨੂੰ ਲੈ ਕੇ ਜਾਂਦੇ ਹਨ। AI ਸੁਝਾਅ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਤੇਜ਼ ਹੈ, ਪਰ ਗੈਰ-ਮੌਜੂਦ ਸਰੋਤਾਂ ਦੀ ਕਾਢ ਕੱਢ ਸਕਦਾ ਹੈ, ਬੁਲਬੁਲੇ ਨੂੰ ਫਿਲਟਰ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਪੱਖਪਾਤ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰ ਸਕਦਾ ਹੈ। ਲਾਇਬ੍ਰੇਰੀਅਨ ਦੀ ਨੌਕਰੀ; ਅਸਲ ਸੰਗ੍ਰਹਿ ਵਿੱਚ ਹਰ ਸੁਝਾਅ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ, ਸੁਚੇਤ ਵਿਭਿੰਨਤਾ ਨਾਲ ਬੁਲਬੁਲੇ ਨੂੰ ਤੋੜਨ ਲਈ, ਉਪਭੋਗਤਾ ਦੀ ਗੋਪਨੀਯਤਾ ਦੀ ਰੱਖਿਆ ਕਰਨ ਅਤੇ ਪਾਰਦਰਸ਼ੀ ਕਾਰਨਾਂ ਨਾਲ ਸੁਝਾਅ ਪੇਸ਼ ਕਰਕੇ ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਬਰਾਬਰ ਅਤੇ ਵਿਭਿੰਨ ਪਹੁੰਚ ਦੇ ਮੁੱਲ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣ ਲਈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਤੱਥਾਂ ਦੇ ਸੰਗ੍ਰਹਿ (10-15 ਸਰੋਤ) ਦੀ ਇੱਕ ਛੋਟੀ ਸੂਚੀ ਤਿਆਰ ਕਰੋ। "ਸਮੱਗਰੀ-ਅਧਾਰਿਤ ਸਮਾਨ ਸਰੋਤ ਸਿਫ਼ਾਰਸ਼" ਟੈਮਪਲੇਟ ਵਾਲੇ ਉਪਭੋਗਤਾ ਲਈ ਇੱਕ ਸਿਫ਼ਾਰਸ਼ ਤਿਆਰ ਕਰੋ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰੋ ਕਿ ਉਹ ਸਾਰੇ ਅਸਲ ਵਿੱਚ ਸੂਚੀ ਵਿੱਚ ਮੌਜੂਦ ਹਨ। ਫਿਰ, "ਵਿਭਿੰਨਤਾ ਨੂੰ ਜੋੜਨ ਵਾਲੇ ਸੁਝਾਅ" ਟੈਮਪਲੇਟ ਨਾਲ ਸੂਚੀ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਵਾਲੇ ਸਰੋਤ ਸ਼ਾਮਲ ਕਰੋ। ਅੰਤ ਵਿੱਚ, "ਸੁਝਾਅ ਤਰਕਸ਼ੀਲ ਵਿਆਖਿਆ" ਟੈਮਪਲੇਟ ਨਾਲ ਹਰੇਕ ਸੁਝਾਅ ਲਈ ਇੱਕ ਪਾਰਦਰਸ਼ੀ ਵਿਆਖਿਆ ਬਣਾਓ ਅਤੇ ਯੋਜਨਾ ਬਣਾਓ ਕਿ ਤੁਸੀਂ ਇਸਨੂੰ ਉਪਭੋਗਤਾ ਨੂੰ ਕਿਵੇਂ ਪੇਸ਼ ਕਰੋਗੇ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ ਕਿ ਹਰੇਕ ਸੁਝਾਅ ਅਸਲ ਵਿੱਚ ਸੰਗ੍ਰਹਿ ਵਿੱਚ ਮੌਜੂਦ ਹੈ।
- [ ] ਮੈਂ ਫਿਲਟਰ ਦੇ ਬੁਲਬੁਲੇ ਨੂੰ ਤੋੜਨ ਲਈ ਕਈ ਕਿਸਮਾਂ ਨੂੰ ਜੋੜਿਆ।
- [ ] ਮੈਂ ਉਪਭੋਗਤਾ ਪੜ੍ਹਨ/ਖੋਜ ਇਤਿਹਾਸ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ, ਮੈਂ ਇਸਨੂੰ ਕਿਸੇ ਬਾਹਰੀ ਟੂਲ ਨੂੰ ਨਹੀਂ ਦਿੱਤਾ।
- ਮੈਂ ਹਰੇਕ ਸੁਝਾਅ ਲਈ ਇੱਕ ਪਾਰਦਰਸ਼ੀ ਤਰਕ ਤਿਆਰ ਕੀਤਾ ਹੈ।
- [ ] ਪ੍ਰਸਿੱਧੀ ਪੱਖਪਾਤ ਤੋਂ ਬਚਣ ਲਈ, ਮੈਂ ਘੱਟ ਜਾਣੇ-ਪਛਾਣੇ ਅਤੇ ਕੀਮਤੀ ਸਰੋਤਾਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖੀ।