التدرج المتعدد للأنظمة المُوصَّية متعددة الأهداف

تحتاج أنظمة التوصية إلى انعكاس التعقيد البيئي الذي تُطبَّق فيه. كلما زاد معرفتنا بما قد يُفيد المستخدم، زاد عدد الأهداف التي تسعى إليها أنظمة التوصية. علاوةً على ذلك، قد توجد عدة أطراف ذات مصلحة – بائعون، مشترون، مساهمون – بالإضافة إلى قيود قانونية وأخلاقية. وظلت عملية التحسين المتزامن لعدة أهداف، سواء كانت مرتبطة أو غير مرتبطة، وذات مقاييس متساوية أو غير متساوية، صعبة حتى الآن.نقدّم هنا نهجًا عشوائيًا متعدد التدرجات (Multi-Gradient Descent) لتطبيقات أنظمة التوصية (MGDRec) لحل هذه المشكلة. ونُظهر أن هذا النهج يفوق الطرق المتطورة حاليًا في مزيج الأهداف التقليدية، مثل الإيرادات ودقة الاسترجاع. وليس ذلك فحسب، بل من خلال تطبيع التدرجات (gradient normalization)، نتمكن من دمج أهداف جوهرية مختلفة، ذات مقاييس متفاوتة، ضمن إطار متماسك واحد. ونُظهر أن الأهداف غير المرتبطة، مثل نسبة المنتجات عالية الجودة، يمكن تحسينها جنبًا إلى جنب مع الدقة. وباستخدام العشوائية، نتجنب مخاطر حساب التدرجات الكاملة، ونُوفّر بيئة واضحة لتطبيق هذا النهج.