Abstract:
تُقدم الدراسة الحالية استخدامًا فريدًا لخوارزميات التعلم الآلي لتطوير نظام توصيات. تُستخدم أنظمة التوصيات غالبًا في مجموعة واسعة من القطاعات، بما في ذلك التجارة الإلكترونية والترفيه ومحركات البحث. أنظمة التوصيات هي خوارزميات تستخدم تفضيلات المستخدم وسلوكه للتوصية بأشياء ذات صلة، مثل الأفلام والكتب والسلع والأغاني. تتناول هذه المقالة الخصائص والميزات العديدة للمنهجيات المختلفة المستخدمة في أنظمة التوصيات، مع التركيز على تصفية المعلومات المهمة وتحديد أولوياتها لتكون بمثابة بوصلة لعمليات البحث. عندما توصي محركات التوصيات بشكل صحيح بمحتوى أو عناصر فردية، فإنها تمنح الشركات ميزة تنافسية على المنافسين وتدر دخلًا كبيرًا. تبحث هذه الدراسة في التصفية القائمة على المحتوى، والتي تقترح أشياء ذات سمات مماثلة لتلك التي أعجبت المستخدم سابقًا. كما تبحث في التصفية الهجينة، التي تجمع بين تقنيات التصفية القائمة على المحتوى والتصفية التعاونية (باستخدام بيانات تفاعل المستخدم مع العنصر) لحل مشكلات مثل مشكلة البداية الباردة (قلة بيانات المستخدم) وندرة البيانات (قلة تفاعلات المستخدم مع العنصر). تُنتج أنظمة التوصية المُثبّتة، التي تستخدم أساليب التصفية القائمة على المحتوى والهجينة، اقتراحات فردية واعدة. يُعدّ التصفية القائمة على المحتوى فعالاً بشكل خاص في اقتراح سلع متشابهة، بينما يُوفّر التصفية الهجينة مجموعة اقتراحات أكثر تنوعًا ودقةً من خلال تضمين تفضيلات المستخدم. للتصفية القائمة على المحتوى حدودٌ بسبب ندرة البيانات، وهو ما تُعالجه التصفية الهجينة. كشفت هذه المقالة أن التقنية المُقترحة تستخدم التصفية القائمة على المحتوى عند تطبيقها على مجموعات البيانات الصغيرة والمتوسطة. ومع ذلك، يُستخدم التصفية الهجينة عندما تكون مجموعة البيانات ضخمة ومتناثرة.
