التوصية القائمة على الجلسة باستخدام الشبكات العصبية الانتباهية

في سياقات التجارة الإلكترونية حيث تكون ملفات المستخدم غير مرئية، تم اقتراح التوصية القائمة على الجلسة لتوليد نتائج التوصية من جلسات قصيرة. ومع ذلك، فإن الأعمال السابقة تركز فقط على السلوك التتابعي للمستخدم في الجلسة الحالية، دون التركيز على الهدف الرئيسي للمستخدم في هذه الجلسة. في هذا البحث، نقترح إطارًا جديدًا للشبكات العصبية، وهو آلة التوصية المتنبهة العصبية (Neural Attentive Recommendation Machine - NARM)، لمعالجة هذه المشكلة. بصفة خاصة، نستكشف مُشفِّرًا هجينًا مع آلية الانتباه لنمذجة السلوك التتابعي للمستخدم وتحديد الهدف الرئيسي للمستخدم في الجلسة الحالية، والتي يتم دمجها فيما بعد كتمثيل جلسة موحد. ثم نحسب درجات التوصية لكل عنصر مرشح باستخدام نظام مطابقة ثنائي الخطي بناءً على هذا التمثيل الموحد للجلسة. نقوم بتدريب NARM من خلال تعلم مشترك لتمثيلات العناصر والجلسات وكذلك مطابقاتهما. أجرينا تجارب واسعة النطاق على مجموعتين من البيانات المرجعية. تظهر نتائج تجاربنا أن NARM يتفوق على أفضل الأساليب الحالية في كلتا المجموعتين من البيانات. علاوة على ذلك، وجدنا أيضًا أن NARM حقق تحسنًا كبيرًا في الجلسات الطويلة، مما يدل على فوائده في نمذجة السلوك التتابعي والهدف الرئيسي للمستخدم بشكل متزامن.