تمثيل العناصر القائمة على الوكيل للترشيح المعتمد على السمات والسياق

أظهرت النماذج الشبكية العصبية في أنظمة التوصية نجاحًا ملحوظًا من خلال تمثيل مجموعة كبيرة من العناصر كجدول قابل للتعلم من خلال تمثيلات متجهية. ومع ذلك، قد تعاني العناصر النادرة من فرص تدريب غير كافية، مما يجعل من الصعب تعلم تمثيلات ذات معنى. نحن نستعرض أن تمثيلات العناصر النادرة التي تُتعلم بشكل ضعيف في البيئات التي تأخذ بعين الاعتبار السمات والسياق تؤثر سلبًا على دقة التوصية. ولحل هذه المشكلة، نقترح تمثيلًا للعنصر يعتمد على "التمثيل الوكيل" (proxy-based item representation)، الذي يسمح لكل عنصر بأن يُعبَّر عنه كمجموع موزون من تمثيلات وكيل قابلة للتعلم. حيث يتم تحديد وزن الوكيل بناءً على السمات والسياق الخاص بكل عنصر، ويمكن إدراج حدود انحياز (bias terms) في حالة العناصر الشائعة لتعزيز انعكاس الإشارات التعاونية. يحسب الأسلوب القائم على الوكيل تمثيلات العناصر بشكل تجميعي، مما يضمن أن يبقى كل تمثيل داخل بسيط (simplex) مُدرّب جيدًا، وبالتالي يحصل على جودة مضمونة. علاوة على ذلك، فإن مشاركة تمثيلات الوكيل بين جميع العناصر تتيح للعناصر النادرة الاستفادة من إشارات التدريب الخاصة بالعناصر الشائعة ضمن بنية نموذج موحدة وبنمط تدريبي من الطرف إلى الطرف (end-to-end). إن النموذج المقترح هو نموذج يمكن توصيله بسهولة (plug-and-play) ويُمكن استبدال طبقة ترميز العناصر في أي نموذج توصية يعتمد على الشبكات العصبية، مع تحسين مستمر لأداء التوصية وباستخدام عدد محدود جدًا من المعاملات. أظهرت التجارب التي أُجريت على مجموعات بيانات معيارية حقيقية للتوصية أن النموذج المقترح يتفوق على النماذج الرائدة في مجال الدقة التوصية بنسبة تصل إلى 17%، مع استخدام ما يقارب 10% فقط من عدد المعاملات.