التعلم القياسي الترجمي التعاوني

في الآونة الأخيرة، تعرضت طرق التوصية المستندة إلى تحليل المصفوفات للانتقادات بسبب المشكلة الناجمة عن انتهاك متباينة المثلث. رغم أن العديد من الطرق المستندة إلى تعلم المقاييس قد تم اقتراحها لتجاوز هذه المشكلة، فإن الطرق الحالية تميل عادةً إلى إسقاط كل مستخدم على نقطة واحدة في فضاء المقاييس، مما لا يكفي لنمذجة شدة وتعددية علاقات المستخدم مع العناصر في التغذية الضمنية. في هذا البحث، نقترح استخدام TransCF لاكتشاف العلاقات الضمنية بين المستخدمين والعناصر التي تعكسها التفاعلات الضمنية بينهما. مستوحاة من آلية الترجمة التي شاع استخدامها في غرس الرسوم البيانية للمعرفة، نقوم ببناء متجهات ترجمة محددة لكل مستخدم وعنصر باستخدام المعلومات الجغرافية المجاورة للمستخدمين والعناصر، وترجمة كل مستخدم نحو العناصر بناءً على علاقاته مع تلك العناصر. أثبتت الطريقة المقترحة فعاليتها حيث تتفوق على عدة طرق رائدة أخرى للتوصيات الأعلى N بنسبة تصل إلى 17٪ من حيث نسبة الإصابة. كما أجرينا تقييمات نوعية شاملة على المتجهات المترجمة التي تم تعلمها بواسطة طريقة TransCF المقترحة لتأكيد فوائد اعتماد آليات الترجمة للتوصيات المستندة إلى التغذية الضمنية.