التصفية الاجتماعية التعاونية العميقة

تعتبر أنظمة التوصية ضرورية لتخفيف مشكلة overload المعلومات في العوالم الإلكترونية. تلتقط معظم أنظمة التوصية الحديثة تفضيلات المستخدمين تجاه العناصر من خلال تفاعلاتهم استنادًا إلى تقنيات التصفية التعاونية. بالإضافة إلى تفاعلات المستخدم-العنصر، يمكن أيضًا أن توفر الشبكات الاجتماعية معلومات مفيدة لفهم تفضيلات المستخدمين كما اقترحت النظريات الاجتماعية مثل المماثلة والتأثير. مؤخرًا، تم استخدام الشبكات العصبية العميقة للتوصيات الاجتماعية، مما يسهل تفاعلات المستخدم-العنصر ومعلومات الشبكة الاجتماعية. ومع ذلك، لا يستطيع معظم هذه النماذج الاستفادة الكاملة من معلومات الشبكة الاجتماعية. حيث تستخدم فقط المعلومات من الجيران المباشرين، لكن الجيران البعيدين يمكن أن يقدموا أيضًا معلومات مفيدة. في الوقت نفسه، تتعامل معظم هذه النماذج مع معلومات الجيران بشكل متساوٍ دون النظر إلى التوصيات المحددة. ومع ذلك، بالنسبة لحالة توصية محددة، ستكون المعلومات ذات الصلة بالعناصر المحددة مفيدة. بالإضافة إلى ذلك، لا تلتقط معظم هذه النماذج آراء الجيران بوضوح حول العناصر للتوصيات الاجتماعية، في حين أن الآراء المختلفة قد تؤثر على المستخدم بشكل مختلف. في هذه الورقة، لمعالجة التحديات المذكورة أعلاه، نقترح DSCF، وهو إطار عمل للتصفية الاجتماعية التعاونية العميقة، الذي يمكنه استغلال العلاقات الاجتماعية من جوانب متنوعة لأنظمة التوصية. تظهر التجارب الشاملة على مجموعتين حقيقتين من البيانات فعالية الإطار المقترح.