من الأشجار المعززة إلى الموصيات العميقة: دروس عملية من تطوير نظام دعم العملاء

في عالم الأعمال الحديثة، يتغير كتالوج المنتجات بسرعة، بحيث يُدمج في العروض الديناميكية المصحوبة بالتخفيضات. هذه التحولات تتطلب أنظمة توصية متطورة، خاصة في مجال دعم العملاء. في هذا السياق، تم الانتقال من نموذج يعتمد على الأشجار المعززة (Gradient-Boosted Trees) إلى نظام توصية يعتمد على تقنيات عميقة (Deep Recommenders).

النظام الجديد الذي تم تطويره يعزز من تجربة العميل من خلال تقديم توصيات تتسم بالدقة والسرعة. يعتبر هذا النظام ضرورياً للنمو البيئي ولتحسين ميزات مثل الاقتراح الديناميكي، الذي يظهر للنظام النص الأكثر صلة أثناء محادثة دعم العملاء.

لضمان الانتقال الناجح، تم استخدام تقنيات متعددة لتغيير صيغة التوصية إلى تنبؤ ثنائي زوجي (pairwise binary prediction)، مما يسمح بالتعلم معاً من ميزات المستخدم والمنتج. بالإضافة إلى ذلك، تم تعزيز التمثيلات من خلال تقنيات مثل العينة السلبية (negative sampling) وضغط الضوضاء (noise injection).

لإدارة سياق المحادثة الطويل، تم تطبيق تقنية تجميع الانتباه (attention pooling) عبر مقاطع النص، وتمت مقارنة الأداء مع معايير مثل TF-IDF وsentence-embedding. كما تم استكشاف عدة هياكل (مثل نموذج البرج المزدوج، DeepFM، والنسخ المختلفة) ووظائف الخسارة مثل الخسارة التناقضية (contrastive loss).

عند التقييم مقابل معيار CatBoost في جميع مراحل المحادثة، كان الأداء متساويًا في بداية المحادثة وتفوق في المراحل اللاحقة. يعتبر هذا التطور خطوة مهمة في تحسين تجربة المستخدم وزيادة كفاءة الدعم الفني.