رضا یگانگی - دانشجوی کارشناسی ارشد، دانشکده علوم و فنون نوین، دانشگاه تهران،
سامان هراتی زاده - عضو هیات علمی، دانشکده علوم و فنون نوین، دانشگاه تهران،

در سالهای اخیر، توسعه سامانه های مبتنی برنشست افزایش فراوانی پیدا کرده است. این سامانه ها توصیه خود را بر اساس توالی رفتاری کاربران در یک نشست انجام می دهند. روش های پیشرفته سعی دارند تا بر اساس این توالی ها، بازنمایی مناسبی برای نشست و آیتم ها به دست آوردند و از این بازنمایی ها در پیش بینی رفتار بعدی کاربر استفاده کنند. با این وجود ارتباطات زمانی رفتارها درون نشست و همچنین اطلاعات زمینه ای رفتار کاربر در روش های موجود به صورت مستقیم موردبررسی قرار نمی گیرد. ما در این تحقیق روش جدیدی با عنوان DeepScore، برای توصیه مبتنی بر نشست ارائه می دهیم که از یک سو برای استخراج بازنمایی های برداری آیتم ها از اطلاعات زمانی تعامل کاربر با آنها بهره می گیرد و از سوی دیگر قادر است اطلاعات زمینه ای آیتم ها را برای انجام توصیه بهتر به کار گیرد و به علاوه در فرایند آموزش از لایه گذاری صفر که سربار پردازشی به سیستم تحمیل می کند پرهیز می شود. نتایج این تحقیق بر روی دادگان Yoochoose نشان دهنده بهبود عملکرد مدل پیشنهادی در مقابل سایر روش های پیشرفته بر روی دو معیار Recall و MRR است.

سامانه توصیه گر، توصیه گر مبتنی بر نشست، یادگیری بازنمایی، کلمه بردار، شبکه عصبی بازگشتی