في عالم التوصيات الرقمية، تعتبر تقنيات نمذجة السلوك متعددة السلوكيات (Multi-behavior recommendation - MBR) محورية لتحسين تجارب المستخدمين. ومع ذلك، تواجه هذه التقنيات تحديات جوهرية تتعلق بالإشارات السلوكية الإضافية، مثل النقرات وإضافة العناصر إلى سلة التسوق، والتي تعيق قدرة النموذج على التكيف مع العناصر التي تفتقر إلى هذه الإشارات. مما أدى للبحث عن حلول مبتكرة.

تقدم الدراسة الجديدة تحت عنوان "BOAR" (بيئة مهيأة لنموذج التوصيات متعددة السلوكيات) إطار عمل متطور يعالج تلك المشكلات من خلال وحدتين متكاملتين تعتمدان على قابلية رصد الإشارات السلوكية. تظهر النتائج التجريبية أن BOAR يتجاوز الأساليب التقليدية الرائجة في هذا المجال، محققاً نسبة تحسين تصل إلى 7.82% في معدل الاسترجاع (HR@10) و44.2% لتحسينات ملحوظة في الأهداف المفقودة.

الباحثون أظهروا أن BOAR لا يعمل فقط على تحسين توقعات الشراء، بل يمكنه أيضاً التقاط تفضيلات مخفية بعيداً عن العلاقات الملاحظة، مما يقدم رؤية جديدة في عالم التوصيات. إذا كنتم مهتمين بالمزيد، يمكنكم استكشاف الشيفرة المصدرية عبر GitHub. هذه التقنية ستغير بلا شك الطريقة التي نتلقى بها الاقتراحات.