یک سامانه توصیه گر بر پایه شبکه های عصبی گرافی و با استفاده از روش دامنه های متقابل برای حل مشکل آغاز سرد

امروزه میزان و اهمیت داده‌های موجود در اینترنت به طور تصاعدی در حال افزایش است که انتخاب یک گزینه مطلوب از بین گزینه‌های بسیار زیاد می‌تواند خسته کننده و وقت‌گیر باشد. هدف سامانه‌های پیشنهاددِه، این است که این فرآیند را با یافتن آیتم‌های مناسبی که بیشتر مورد علاقه کاربران هستند، تسهیل کنند. تکنیک‌های پیشنهادی سامانه‌های پیشنهاددِه موجود از مشکلات رایجی مانند پراکندگی داده، شروع سرد و مشکلات کاربران جدید رنج می‌برند. در این مقاله تمرکز اصلی بر استفاده از اطلاعات دامنه‌های دیگر برای ایجاد سامانه‌های پیشنهاددِه دامنه متقابل است. سامانه‌های پیشنهاددِه دامنه متقابل می‌توانند موقعیت‌های شروع سرد و کاربران جدید را به خوبی مدیریت کنند، در این مقاله ابتدا مدلی بر پایه شبکه‌های عصبی گرافی، الگوی تعاملات کاربران و آیتم‌ها را در هر دامنه به صورت مستقل کشف می‌کند و در گام بعد یک شبکه عصبی بازنمایی بدست آمده برای کاربران شروع سرد را از دامنه مبدا به دامنه هدف منتقل می‌کند. نتایج نشان می‌دهد مدل پیشنهادی در مقایسه با سایر مدل‌ها عملکرد بهتری برای رتبه‌بندی کالاها دارد.

a recommender system based on graph neural networks and using cross domain approach for solving cold start problem

today, the amount and importance of data available on the internet is increasing exponentially, so choosing a suitable option from among many options can be tiring and time-consuming. the goal of recommendation systems is to facilitate this process by finding the right items that are of most interest to users. existing recommendation systems suffer from common problems such as data sparsity, cold start, and new user problems. in this article, the main focus is on using information from other domains to create cross-domain recommendation systems. the proposed cross-domain systems can manage cold start situations and new users. in this article, first, a model based on convolutional graph neural networks discovers the interaction pattern of users and items in each domain independently, and in the next step, a neural network is used to transfer representation for cold-start users from the source domain to the target domain. the results show that the proposed model has a better performance compared to other proposed models for estimating the recorded score for the items.