مروری بر سیستم‌های پیشنهاد ‌دهنده مبتنی بر مدل زبانی bert

با افزایش روزافزون حجم اطلاعات آنلاین، استفاده از سیستم‌های پیشنهاد دهنده برای غلبه بر اضافه‌بار اطلاعات و کمک به انتخاب و تصمیم‌گیری، گسترش یافته ‌است. در سال‌های اخیر، با پیشرفت چشمگیر مدل‌های زبانی بزرگ و به‌ویژه ترنسفورمرها، محققان به استفاده از این مدل‌ها برای ایجاد سیستم‌های پیشنهاد دهنده‌ی دقیق‌تر روی ‌آورده‌اند. در این میان، مدل محبوب و موفق bert سهم زیادی از مطالعات این حوزه را به خود اختصاص داده است. این مدل با درک دقیق اولویت‌ها و سلایق کاربران و همچنین تحلیل معنایی دقیقی از تعاملات کاربر و آیتم و اطلاعات زمینه‌ای، بهبود قابل توجهی را حاصل کرده ‌است. در این مقاله، به بررسی و طبقه‌بندی مقالاتی که از مدل bert برای بهبود سیستم پیشنهاد دهنده بهره‌ گرفته‌اند، پرداخته ‌شده ‌است. نتایج بررسی‌ها نشان داد که استفاده از تعبیه‌های کاربر و آیتم ایجاد شده توسط bert می‌تواند دقت پیشنهادات را تا حد قابل توجهی بهبود ببخشد. به‌علاوه، استفاده از bert برای مدل‌سازی تعاملات کاربر و آیتم و همچنین ایجاد تعبیه‌های معنا‌دار از روی اطلاعات زمینه‌ای، توانایی سیستم در درک و پاسخ به نیازهای کاربران را تقویت می‌کند.