المشفِّرات التلقائية التغييرية للتوصيات من النوع الأعلى مع ردود فعل ضمنية

أثبتت المشفِّرات التلقائية التغييرية (VAEs) فعاليتها في أنظمة التوصيات ذات ردود الفعل الضمنية (مثل: سجل التصفح، أنماط الشراء، إلخ). ومع ذلك، يتم إعطاء القليل من الاهتمام لمجموعات VAEs التي يمكن أن تتعلم تمثيلات المستخدم والعنصر بشكل مشترك. نحن نقدم مشفِّر تلقائي تغييري مشترك (JoVA)، وهو مجموعة من اثنين من VAEs، يتعلم بشكل مشترك كل من تمثيلات المستخدم والعنصر للتنبؤ بتفضيلات المستخدم. يسمح هذا التصميم لـ JoVA بالتقاط الارتباطات بين المستخدمين والعناصر في الوقت نفسه. كما نقدم JoVA-Hinge، وهو تمديد لـ JoVA مع دالة خسارة ثنائية تعتمد على المفصل، لتخصصه بشكل أكبر في التوصية مع ردود الفعل الضمنية. تظهر تجاربنا الشاملة على أربعة مجموعات بيانات حقيقية أن JoVA-Hinge يتفوق على مجموعة واسعة من الأساليب الرائدة تحت مجموعة متنوعة من المقاييس المستخدمة بشكل شائع. كما توضح نتائجنا التجريبية فعالية JoVA-Hinge في التعامل مع المستخدمين الذين لديهم بيانات تدريب محدودة.