في بيئات التوصية النادرة، تلعب سياق المستخدم وسمات العناصر دورًا حاسمًا في تحديد العناصر التي ينبغي توصيتها في المستقبل. وعلى الرغم من ذلك، غالبًا ما تتجاهل الدراسات الحديثة في مجالات التوصية التسلسلية والمعتمدة على الزمن كلا الجانبين أو تأخذ بعين الاعتبار أحد الجانبين فقط، مما يحد من أداءها التنبؤي. في هذا البحث، نعالج هذه القيود من خلال اقتراح نموذج توصية يراعي السياق والسمات (CARCA)، الذي يُمكّن من التقاط الطبيعة الديناميكية لملفات المستخدم من حيث السمات السياقية وسمات العناصر، وذلك من خلال كتل انتباه ذات رؤوس متعددة مخصصة لاستخراج السمات على مستوى الملف الشخصي وتقدير درجات العناصر. علاوةً على ذلك، وعلى عكس العديد من أحدث النماذج التسلسلية في التوصية بالعناصر التي تعتمد على جداء نقطي بسيط بين الميزات المخفية للعنصر الأخير والتمثيلات المكانية للعناصر المستهدفة لتقدير الدرجات، يستخدم CARCA انتباهًا متقاطعًا بين جميع العناصر في الملف الشخصي والعناصر المستهدفة لتقدير الدرجات النهائية. يتيح هذا الانتباه المتقاطع لـ CARCA الاستفادة من الارتباط بين العناصر القديمة والحديثة في ملف المستخدم، وتأثيرها في اتخاذ قرار توصية العنصر التالي. أظهرت التجارب على أربع مجموعات بيانات واقعية لنظم التوصية أن النموذج المقترح يتفوق بشكل كبير على جميع النماذج المتطورة في مجال التوصية بالعناصر، مع تحقيق تحسينات تصل إلى 53٪ في معياري "القيمة المخصومة المُعدّلة المُجمعة" (NDCG) و"معدل الاصطدام" (Hit-Ratio). كما أظهرت النتائج أن CARCA تتفوق على عدة نماذج متقدمة مخصصة للإشارات الصورية في التوصية، حتى مع الاعتماد فقط على سمات صورية مستخرجة من نموذج ResNet50 المُدرّب مسبقًا بطريقة "صندوق أسود".