Key points are not available for this paper at this time.
في نمط الحياة السريع اليوم، تعتبر مشاهدة الأفلام والمسلسلات على منصات مثل نتفليكس نشاطاً ترفيهياً ذا قيمة. ومع ذلك، يمضي المستخدمون وقتاً طويلاً في البحث عن المحتوى المناسب ويتلقون توصيات غير ذات صلة، لا سيما عندما يواجهون "مشكلة البداية الباردة" للمستخدمين الجدد. تنشأ هذه المشكلة من أنظمة التوصية الحالية التي تعتمد على عوامل مثل التوزيع، والعنوان، والنوع، باستخدام تكرار الكلمات - تكرار الوثائق المعاكس (TF-IDF) للتشفير، مما يعطي الأولوية لتكرار الكلمات على المعنى الدلالي. للتعامل مع ذلك، تم اقتراح نظام توصيتي مبتكر يأخذ في اعتباره ليس فقط التوزيع، والعنوان، والنوع، بل أيضاً الوصف القصير للأفلام أو العروض في هذه الدراسة. باستخدام embedding لـ Word2Vec لعلاقات المعنى، يقدم هذا النظام توصيات تتماشى بشكل أفضل مع تفضيلات المستخدمين. تظهر مقاييس التقييم بما في ذلك الدقة، ومتوسط الدقة العامة (MAP)، والربح التراكمي المخفض (DCG)، والربح التراكمي المثالي (IDCG) فعالية النظام، حيث حقق DCG طبيعي (NDCG)@10 قدره 0.956. تُظهر اختبارات A/B معدل نقر محسناً (CTR) للتوصيات، مما يبرز تجربة البث المحسنة.
أجرت أنوراده وآخرون (الجمعة) دراسة حول هذا السؤال.