معالجة مشكلة البداية الباردة في توصيات الأفلام باستخدام نهج إبسيلون-الجشع المنقح

مع النمو السريع للإنترنت والزيادة الناتجة في البيانات، يتميز العصر الحالي ب overload المعلومات. مع توسع مجال معالجة البيانات وتخزينها، أصبحت أنظمة التوصية أدوات محورية للتنقل في هذا الطوفان، لمساعدة المستخدمين في تصفية المشهد المعلوماتي الواسع. جزء ملحوظ من ذلك هو أنظمة توصية الأفلام. مع ارتفاع مستويات المعيشة، يرتفع الطلب على التجارب السينمائية. لذلك، فإن تحسين وتنقيح منهجيات هذه الأنظمة التوصية يعد ذا قيمة كبيرة. ومع ذلك، فإن التحدي المستمر هو مشكلة البداية الباردة التي تواجهها عندما ينضم مستخدمون جدد. بدون سجلات عرض أو تفضيلات سابقة، تشكل هذه المستخدمون معضلة للنظام: كيف يمكن أن يقدم توصيات ذات صلة بدون بيانات تاريخية؟ لمعالجة هذا التحدي، تقترح هذه الورقة طريقة فريدة تعتمد على نموذج N-armed bandit، مقدمةً خوارزمية محسّنة إبسيلون-الجشع مصممة خصيصًا لتوصيات الأفلام لمثل هؤلاء المستخدمين. من خلال التكيف ديناميكيًا استنادًا إلى تعليقات المستخدمين في الوقت الحقيقي، تهدف الخوارزمية إلى تحسين جودة التوصيات باستمرار، مما يضمن تجربة مستخدم أفضل بشكل مستمر.