مروری بر سیستم های پیشنهاد دهنده مبتنی بر مدل زبانی BERT

با افزایش روزافزون حجم اطلاعات آنلاین، استفاده از سیستم های پیشنهاد دهنده برای غلبه بر اضافه بار اطلاعات و کمک به انتخاب و تصمیم گیری، گسترش یافته است. در سال های اخیر، با پیشرفت چشمگیر مدل های زبانی بزرگ و به ویژه ترنسفورمرها، محققان به استفاده از این مدل ها برای ایجاد سیستم های پیشنهاد دهنده ی دقیق تر روی آورده اند. در این میان، مدل محبوب و موفق BERT سهم زیادی از مطالعات این حوزه را به خود اختصاص داده است. این مدل با درک دقیق اولویت ها و سلایق کاربران و همچنین تحلیل معنایی دقیقی از تعاملات کاربر و آیتم و اطلاعات زمینه ای، بهبود قابل توجهی را حاصل کرده است. در این مقاله، به بررسی و طبقه بندی مقالاتی که از مدل BERT برای بهبود سیستم پیشنهاد دهنده بهره گرفته اند، پرداخته شده است. نتایج بررسی ها نشان داد که استفاده از تعبیه های کاربر و آیتم ایجاد شده توسط BERT می تواند دقت پیشنهادات را تا حد قابل توجهی بهبود ببخشد. به علاوه، استفاده از BERT برای مدل سازی تعاملات کاربر و آیتم و همچنین ایجاد تعبیه های معنا دار از روی اطلاعات زمینه ای، توانایی سیستم در درک و پاسخ به نیازهای کاربران را تقویت می کند.

کلیدواژه ها:

ترنسفورمر ، سیستم پیشنهاد دهنده ، مدل زبانی بزرگ ، BERT