يادگيري عميق در سامانه هاي توصيه گر

روش پالايش همكارانه‌يكي از كارآمدترين و پركاربردترين روش‌هاي مورد استفاده در بسياري از سامانه‌هاي توصيه‌گر است. روش‌هاي اوليه پالايش همكارانه ويژگي‌هاي نهان كاربران و گزينه‌ها را با استفاده از تجزيه ماتريس امتيازات به دست مي‌آوردند، اما اين روش‌ها با مشكل شروع سرد و تنك بودن ماتريس امتيازات مواجه مي‌شوند. در سال‌هاي اخير استفاده از اطلاعات اضافه موجود، در كنار ماتريس امتيازات براي به دست آوردن ويژگي‌هاي نهان مورد توجه قرار گرفته است. از طرف ديگر، مدل‌هاي يادگيري عميق، توانايي بالايي در يادگيري بازنمايي مناسب، به خصوص در مواقعي كه با داده‌هاي خام سروكار داريم از خود نشان داده‎اند. باتوجه به اين قابليت يادگيري عميق، در اين پژوهش از شبكه‌هاي عميق براي به دست آوردن نمايش مناسب از گزينه‌ها استفاده شده‌است. به‌طور خاص، يك مدل تركيبي از يادگيري عميق در كنار تجزيه ماتريسي ارائه شده است كه يك ارتباط دوطرفه بين ويژگي‌هاي به‌دست آمده از تجزيه ماتريسي و ويژگي‌هاي محتوايي استخراج شده با استفاده از يادگيري عميق درباره گزينه‌ها ايجاد مي‌كند. در اين مدل به طور همزمان پارامترهاي هر دو بخش يادگرفته مي‌شود. مقايسه مدل پيشنهادي با برترين روش‌هاي ارائه شده در سال‌هاي اخير بر روي مجموعه داده‌هاي مختلف دنياي واقعي، برتري روش پيشنهادي بر ساير روش‌هاي ارائه شده را نشان مي‌دهد.