في عصر يزداد فيه الاعتماد على الإنترنت، تزايدت توقعات المستخدمين بشأن دقة التوصيات المقدمة لهم في منصات استهلاك المحتوى. ومع اتجاه الناس نحو الفيديوهات القصيرة، أصبح من الضروري تبني نماذج أكثر دقة وملاءمة لاحتياجاتهم.

تتمثل المشكلة في أن الفيديوهات القصيرة تتضمن مقاطع متنوعة وقد تختلف آراء المستخدمين حولها. لذا، فإن استخدام نماذج التوصية التقليدية، التي تتعامل مع الفيديو وكأنه كيان موحد، قد لا يحقق النتائج المرجوة.

لذا، ومن خلال دراسة جديدة، تم تقديم نموذج مبتكر يُعرف باسم شبكة النمذجة المتسلسلة المدفوعة بالإجراءات (Action-Aware Generative Sequence Network - A2Gen). تستند هذه الفكرة على حقيقة أن سلوك المستخدمين هو عملية زمنية، مما يعني أن توقيت تصرفاتهم يمكن أن يعكس نوايا مختلفة.

تتضمن العناصر الأساسية هذا النموذج وحدة التركيز السياقي (Context-aware Attention Module - CAM) التي تساعد في نمذجة تسلسلات الإجراءات بشكل غني بالميزات السياقية الخاصة بالعناصر. بناءً على ذلك، تم تطوير مشفر التسلسل الهرمي (Hierarchical Sequence Encoder - HSE) لتعلم أنماط الأفعال الزمنية من تاريخ تصرفات المستخدمين.

كما تم تصميم مولد تسلسل الإجراءات التلقائي (Action-seq Autoregressive Generator - AAG) مما ساعد على تحسين دقة التنبؤ بناءً على المعلومات التسلسلية.

تظهر التجارب الواسعة التي أجريت على مجموعة بيانات Kuaishou ومجموعة بيانات Tmall العامة تفوق نموذج A2Gen على الطرق التقليدية. وعبر اختبار A/B واسع النطاق، أثبت هذا النموذج فعاليته من خلال تحسين كبير في توقعات المهام المتعددة، مما أدي إلى زيادة في وقت مشاهدة المستخدمين بنسبة 0.34%، وزيادة في معدل التفاعل بنسبة 8.1%، وزيادة في الاحتفاظ بالمستخدمين بنسبة 0.162%. كل هذه النتائج الرائعة أدت إلى نشر النموذج عبر جميع حركة المرور، ليخدم أكثر من 400 مليون مستخدم يوميًا.