تحلیل سیستمهای توصیه گر با استفاده از هوش مصنوعی مولد

سیستمهای توصیه کننده یکی از مهم ترین سرویسهای اطلاعاتی در اینترنت امروزی هستند، RS ها که محتوای شخصی سازی شده تولید میکنند، به یک ابزار فناوری تبدیل شده اند اپلیکیشنهای متنوع برای کاربران در حالی که RS های متعددی پیشنهاد شده و با موفقیت در دامنه های مختلف پیاده سازی شده اند، RS های سنتی مبتنی بر هوش مصنوعی هنوز با چالش های خاصی روبرو هستند. مانند پراکندگی داده ها، شروع سرد و تنوع. هوش مصنوعی مولد در سیستمهای توصیه گر پیشرفت اخیری است که توسط پلتفرمهایی مانند نتفلیکس، اسپاتیفای و آمازون برای توصیه آیتمها، اخبار، ویدئوها، فایلهای صوتی، کالاهاوخدمات به مشتریان/کاربران خود یا شخصی سازی تجربیات برای مشتریان/کاربرانشان استفاده میشود. هدف اصلی این بررسی، مقایسه سیستمهای توصیهگر مبتنی بر هوش مصنوعی سنتی با سیستمهای توصیه گر مبتنی بر هوش مصنوعی مولد است. در مجموع چندین مقاله که بین سال های ۲۰۱۹ تا فوریه ۲۰۲۴ منتشر شده اند، از شش کتابخانه بزرگ آنلاین انتخاب شدند. برای دریافت درک جامع تر از مطالعه انتخاب شده، تکنیک های مطالعات انتخابی و مدل ها، مجموعه داده ها و معیارهای مورد استفاده را بررسی کردیم. بررسی سیستماتیک ما نشان میدهد که مدل های هوش مصنوعی مولد، مانند شبکه های متخاصم (GANs)، رمزگذار خودکار متغیر (VAEs) و رمزگذارهای خودکار به طور گسترده در سیستمهای توصیهگر استفاده شده اند و عملکرد بهتری نسبت به تکنیک های هوش مصنوعی سنتی دارند. این بررسی درک تکنیک های هوش مصنوعی مولد مورد استفاده در سیستمهای مختلف توصیه کننده را ارائه میکندوپیشنهاداتی را برای تحقیقات آینده ارائه میکند.

کلیدواژه ها:

سیستم توصیه کننده ، هوش مصنوعی مولد ، سیستمهای توصیه کننده سنتی