سيستم توصيه‌گر مبتني بر نشست بر اساس شبكه توجه

در سال‌هاي اخير، با توجه به افزايش حجم داده‌ها در اينترنت، سيستم‌هاي توصيه‌گر به ابزاري مهم براي يافتن اطلاعات مورد نياز افراد تبديل شده‌است. روش‌هاي مختلفي براي مدل‌سازي سيستم‌هاي توصيه‌گر در طول ساليان ارائه شده است كه هر كدام مزايا و معايب متفاوتي دارند. به عنوان مثال، سيستم‌هاي توصيه‌گر سنتي، تعاملات كاربر-آيتم را به‌صورت ايستا مدل‌سازي مي‌كنند و تنها مي‌توانند ترجيحات عمومي كاربران را به تصوير كشند. ترجيحات عمومي نشان دهنده رفتارهاي درازمدت كاربر است كه در طول زمان عموما ثابت است و تنها تكيه بر مدل‌هاي بلندمدت براي ارائه توصيه‌هاي خوب كافي نيست، زيرا مدل‌هاي بلندمدت نمي‌توانند رفتارهاي كوتاه‌مدت كاربر را در بسياري از موقعيت‌ها پوشش دهند. به همين جهت از مفهومي به نام نشست استفاده مي‌كنيم. يك نشست متشكل از چندين تعامل كاربر-آيتم است كه با هم در يك دوره زماني پيوسته اتفاق مي‌افتند. ما در اين مقاله قصد داريم يك سيستم توصيه‌گر مبتني بر نشست ارائه كنيم كه از شبكه توجه استفاده مي‌كند، به اين منظور كه براي هر آيتم، يك وزن با توجه به اهميت آن آيتم براي كاربر اختصاص مي‌دهيم. براي ارزيابي مدل از سه مجموعه داده استفاده كرديم و با روش‌هاي قبلي به مقايسه پرداختيم كه نتايج نسبت به قبل بهبود داشته است.