مروري بر سيستم‌هاي پيشنهاد ‌دهنده مبتني بر مدل زباني BERT

با افزايش روزافزون حجم اطلاعات آنلاين، استفاده از سيستم‌هاي پيشنهاد دهنده براي غلبه بر اضافه‌بار اطلاعات و كمك به انتخاب و تصميم‌گيري، گسترش يافته ‌است. در سال‌هاي اخير، با پيشرفت چشمگير مدل‌هاي زباني بزرگ و به‌ويژه ترنسفورمرها، محققان به استفاده از اين مدل‌ها براي ايجاد سيستم‌هاي پيشنهاد دهنده‌ي دقيق‌تر روي ‌آورده‌اند. در اين ميان، مدل محبوب و موفق BERT سهم زيادي از مطالعات اين حوزه را به خود اختصاص داده است. اين مدل با درك دقيق اولويت‌ها و سلايق كاربران و همچنين تحليل معنايي دقيقي از تعاملات كاربر و آيتم و اطلاعات زمينه‌اي، بهبود قابل توجهي را حاصل كرده ‌است. در اين مقاله، به بررسي و طبقه‌بندي مقالاتي كه از مدل BERT براي بهبود سيستم پيشنهاد دهنده بهره‌ گرفته‌اند، پرداخته ‌شده ‌است. نتايج بررسي‌ها نشان داد كه استفاده از تعبيه‌هاي كاربر و آيتم ايجاد شده توسط BERT مي‌تواند دقت پيشنهادات را تا حد قابل توجهي بهبود ببخشد. به‌علاوه، استفاده از BERT براي مدل‌سازي تعاملات كاربر و آيتم و همچنين ايجاد تعبيه‌هاي معنا‌دار از روي اطلاعات زمينه‌اي، توانايي سيستم در درك و پاسخ به نيازهاي كاربران را تقويت مي‌كند.