ارائه سيستم توصيه‌گر مبتني بر جلسه شخصي‌سازي شده با استفاده از شبكه‌هاي خودتوجه

سيستم‌هاي توصيه‌گر مبتني بر جلسه بر اساس رفتار و تعاملات كاربر در يك جلسه، رفتار بعدي يا علاقه كاربر را پيش‌بيني كرده و بر اين اساس، آيتم‌هاي مناسب را به كاربر پيشنهاد مي‌دهند. مطالعات اخير براي ايجاد توصيه‌ها عمدتاً روي اطلاعات جلسه فعلي متمركز شده‌اند و اطلاعات جلسات قبلي كاربر را ناديده مي‌گيرند. در اين مقاله، يك مدل توصيه‌گر مبتني بر جلسه شخصي‌سازي شده با شبكه‌هاي خودتوجه پيشنهاد مي‌شود كه علاوه بر جلسه فعلي از جلسات قبلي اخير كاربر هم استفاده مي‌كند. مدل پيشنهادي به منظور يادگيري وابستگي كلي بين همه آيتم‌هاي جلسه، از شبكه‌هاي خودتوجه (SAN) استفاده مي‌كند. ابتدا SAN مبتني بر جلسات ناشناس آموزش داده مي‌شود و سپس براي هر كاربر، توالي‌هاي جلسه فعلي و جلسات قبلي به صورت جداگانه به شبكه داده مي‌شود و با تركيب وزني نتايج رتبه‌بندي حاصل از هر جلسه، آيتم‌هاي توصيه‌شده نهايي به دست مي‌آيد. مدل پيشنهادي بر روي مجموعه داده واقعي Reddit در دو معيار دقت و ميانگين رتبه متقابل، تست و ارزيابي شده است. مقايسه نتايج حاصل از مدل پيشنهادي با رويكردهاي قبلي، توانايي و اثربخشي مدل پيشنهادي را در ارائه توصيه‌هاي دقيق‌تر نشان مي‌دهد.