التوصيات القائمة على الجلسات باستخدام الشبكات العصبية المتكررة

نقوم بتطبيق الشبكات العصبية المتكررة (RNN) في مجال جديد، وهو أنظمة التوصية. غالباً ما تواجه أنظمة التوصية في الحياة الواقعية مشكلة الاضطرار إلى تقديم توصيات تستند فقط إلى بيانات جلسات قصيرة (مثل موقع رياضي صغير) بدلاً من سجلات مستخدم طويلة (كما هو الحال في نتفليكس). وفي هذه الحالة، تكون طرق التحليل العامل المصفوفي، التي يتم الإشادة بها بشكل متكرر، غير دقيقة. عادةً ما يتم التغلب على هذه المشكلة في الممارسة العملية من خلال اللجوء إلى توصيات عنصر لعنصر، أي توصية بالعناصر المشابهة. نعتقد أنه من خلال نمذجة الجلسة بأكملها، يمكن توفير توصيات أكثر دقة. ولذلك، نقترح نهجًا يستند إلى الشبكات العصبية المتكررة للتصدي لتوصيات الجلسات. يأخذ اقتراحنا أيضًا بعين الاعتبار جوانب عملية للمهمة ويقدم عدة تعديلات على الشبكات العصبية المتكررة التقليدية مثل دالة خسارة الترتيب التي تجعله أكثر قابلية للتطبيق لهذه المشكلة المحددة. أظهرت النتائج التجريبية على مجموعتين من البيانات تحسينات ملحوظة مقارنة بالطرق الشائعة الاستخدام.