في عالم الذكاء الاصطناعي، تعتبر التوصيات عبر المجالات (Cross-domain Sequential Recommendation - CDSR) هي الحل الأمثل لتحسين تفاعل المستخدم مع العناصر من مجالات متنوعة. إلا أن التقدم في هذا المجال يواجه بعض التحديات، مثل عدم التوازن في التفاعلات بين المجالات، وصعوبة تقليل الانتقال بين هذه التفاعلات.

وللتغلب على هذه الصعوبات، تم تقديم نموذج LLM-EDT، الذي يُعزز من فعالية التوصيات عبر الاستفادة من نماذج اللغات الضخمة (Large Language Models - LLMs) والاعتماد على استراتيجية تدريب ثنائية لتحقيق التوازن بين المجالات المختلفة.

تعمل خوارزمية LLM-EDT على تحسين تجربة المستخدم من خلال تنفيذ فن إعداد وتوليد سلوكيات عبر المجالات بطريقة ديناميكية، مما يتيح للفرد اكتشاف تفضيلاته بشكل أفضل بمساعدة نموذج ذكاء اصطناعي. كما تشمل الخوارزمية وحدة تحكم متخصصة لمراقبة تفضيلات المستخدم في كل مجال، مما يساهم في تكوين ملفات تعريف شاملة ودقيقة.

أثبتت التجارب التي أجريت على ثلاثة مجموعات بيانات عامة فعالية LLM-EDT في تجاوز المشكلات التقليدية، حيث تمنح المستخدمين توصيات أكثر ملاءمة وجودة. للحصول على تفاصيل أوفى حول الشيفرة البرمجية والاستخدامات المتعددة، يمكنكم الضغط على [رابط الشيفرة].

هل تعتقد أن هذا الابتكار سيحدث فارقًا في تجارب التوصية عبر الإنترنت؟ شاركونا آراءكم.