مع ظهور العصر الرقمي ، أصبحت أنظمة التوصية تقنية أساسية لتحسين تجربة المستخدم وتعزيز الاحتفاظ بالمستخدم. في العديد من الصناعات مثل التجارة الإلكترونية ووسائط البث والوسائط الاجتماعية ، يوصي نظام التوصية بدقة بالمحتوى الذي قد يكون مهمًا للمستخدمين من خلال تحليل العلاقة المعقدة بين المستخدمين والمنتجات وعوامل الخلفية الخاصة بهم. ومع ذلك ، تعتمد معظم أنظمة التوصية الحالية على كمية كبيرة من البيانات التاريخية.
لحل هذه المشكلة ، طور باحثون من جامعة شنغهاي جياوتونج ومختبر هويوي نوح في Ark Framework. يحسن الإطار بشكل كبير دقة التوصيات عن طريق إنشاء الرسوم البيانية تلقائيًا وتعديل استراتيجيات التوصية ديناميكيًا. في الوقت نفسه ، يستخدم Autograph نماذج لغة كبيرة (LLMS) لتعزيز فهم السياق ، وبالتالي التقاط تفضيلات واحتياجات المستخدم بشكل أفضل.
عادة ما تتطلب أنظمة التوصية القائمة على الرسم البياني من المستخدم تعيين الميزات واتصالاته في الرسم البياني يدويًا ، والتي لا تستغرق وقتًا طويلاً فقط وغير فعالة. بالإضافة إلى ذلك ، تحد القواعد المحددة مسبقًا من القدرة على تكييف هذه الرسوم البيانية ولا يمكنها الاستفادة الكاملة من المعلومات الدلالية الغنية الواردة في البيانات غير المنظمة. لذلك ، يوفر إدخال إطار توقيع التوقيع طريقة جديدة تمامًا لحل مشكلة انتفاخ البيانات ، والتي يمكن أن تلتقط على الفور علاقات دقيقة لتفضيلات المستخدم.
تتضمن الوظائف الأساسية لإطار التوقيع على تحليلات المستخدم باستخدام نماذج لغة كبيرة تم تدريبها (LLMs) لاستخراج العلاقات المحتملة من اللغة الطبيعية ؛ توصيلات ؛ أخيرًا ، يتم دمج الرسم البياني المعرفي مع الشبكات العصبية الرسم البياني (GNNS) ، بحيث يمكن لنظام التوصية استخدام ميزات العقدة وهياكل الرسم البياني لتوفير توصيات أكثر دقة مع الحفاظ على التفضيلات الشخصية واتجاهات المستخدم.
للتحقق من فعالية إطار التوقيع ، قام الباحثون بتقييم مجموعات البيانات من خدمات التجارة الإلكترونية والبث. تظهر النتائج أن الإطار يحسن بشكل كبير من دقة التوصيات ، مما يشير إلى قدرته القوية على تقديم توصيات ذات صلة. علاوة على ذلك ، يُظهر توقيعه قابلية للتوسع بشكل أفضل عند معالجة مجموعات البيانات الكبيرة وتكون أقل بكثير في متطلبات الحوسبة من طرق بناء الرسم البياني التقليدي. مزيج من العمليات الآلية والخوارزميات المتقدمة يساعد على تقليل استهلاك الموارد دون التأثير على جودة النتائج.
يمثل إطلاق إطار توقيعه تقدمًا مهمًا في مجال أنظمة التوصية. تتناول قدرتها على إنشاء الرسوم البيانية تلقائيًا بشكل فعال مع التحديات الطويلة الأمد والقدرة على التكيف والتحديات التي تدرك السياق. يوضح نجاح هذا الإطار الإمكانات التحويلية للجمع بين LLMs وأنظمة الرسومات ، ووضع معايير جديدة لأبحاث وتطبيق التوصية الشخصية المستقبلية.
مدخل الورق: https://arxiv.org/abs/2412.18241
النقاط الرئيسية:
** بناء الرسم البياني التلقائي القائم على LLMS **: يقوم إطار التوقيع تلقائيًا بتحليل إدخال المستخدم ، ويستخرج العلاقات ، ويبني رسم بياني للمعرفة من خلال نماذج لغة كبيرة تم تدريبها مسبقًا.
** تحسين دقة التوصية بشكل كبير **: في المعايير ، يعمل هذا الإطار على تحسين دقة التوصية بشكل كبير في التجارة الإلكترونية ومجموعات بيانات التدفق.
** تقليل استهلاك الموارد **: مقارنة بالطرق التقليدية ، يؤدي التوقيع الممتاز في متطلبات الحوسبة ويوضح قابلية التوسع الجيدة.