Los puntos clave no están disponibles para este artículo en este momento.
En los últimos años, especialmente con la pandemia de (COVID-19), ir de compras ha sido una tarea desafiante. El aumento de las compras en línea ha incrementado la información disponible a través de la World Wide Web. Encontrar nuevos productos o identificar los productos más adecuados según las tendencias de personalización de los clientes es el principal beneficio de los sistemas de recomendación en comercio electrónico, que utilizan diferentes técnicas como calificación, ranking o reseñas. Estas recomendaciones pueden ser formadas utilizando diferentes técnicas y enfoques, particularmente usando la tecnología de agentes inteligentes, y se pueden utilizar interfaces específicas o agentes personales para modelar este tipo de sistema. Estos agentes suelen utilizar técnicas y algoritmos de Inteligencia Artificial internamente. Un sistema de recomendación es un sistema de predicción que ha sido creado para ayudar al usuario a seleccionar el producto adecuado para ellos, y reducir el esfuerzo invertido en el proceso de búsqueda utilizando tecnología avanzada como técnicas de aprendizaje profundo. Investigamos todos los estudios utilizando un proceso de revisión estándar para recopilar y recuperar datos de estudios previos e ilustramos su precisión e interpretabilidad relevantes junto con los pros y los contras útiles para que las empresas adopten el enfoque más legítimo. Los hallazgos del estudio revelaron que los problemas de recomendación se resuelven mejor utilizando algoritmos de aprendizaje profundo como CNN, RNN y análisis de sentimiento, especialmente para problemas comunes como el arranque en frío y la escasez.
Almahmood et al. (Sun,) estudiaron esta cuestión.