إغناء نظام NeuMF بكامل ميزات المعطيات باستخدام نماذج التعلّم العميق المعتمدة على الانتباه لتحسين التنبؤ بالتقييمات

الملخص

تستخدم أنظمة التوصية طرقاً معتمدة على ميزات المعطيات المتعلقة بكل من المستخدمين والمنتجات والتفاعلات السابقة فيما بينهم بهدف تقديم أفضل التوصيات من المنتجات للمستخدم. نظام التوصية التحليل العاملي للمصفوفة العصبوني (NeuMF) المعتمد على الفلترة التعاونية يستخدم فقط معرفات المستخدمين والمنتجات في حساب تقييمات المنتجات من أجل تقديم التوصيات المناسبة للمستخدمين الهدف، ولا يستخدم كامل ميزات المعطيات المتعلقة بالمستخدم والمنتج والتفاعلات فيما بينهم. في هذه الدراسة، نقوم بتحسين NeuMF بتسخير جميع ميزات المعطيات باستخدام التعلم العميق للاستفادة من العلاقات غير الخطية بين ميزات المعطيات والاستفادة من الميزات النصية، ونستخدم أيضاً نموذج XGBoost لتجميع خرج طبقات الشبكات العصبونية العميقة المستخدمة. تم تطبيق التجارب والمقارنات على مجموعات المعطيات الثلاث التالية: Book Crossing، Shopify App Store، Amazon Gift Cards. يتفوق النموذج المقترح المحسن على أنظمة التوصية الأساس قبل استخدام الميزات النصية بنسبة تخفيض خطأ تصل %20-، وبعد استخدام الميزات النصية NeuMF-XT بنسبة تصل %60- بالنسبة لمقياسي الخطأ MAE وRMSE.