Günlük hayatımızda kullandığımız Netflix, Spotify, Amazon gibi platformların öneri sistemleri, kullanıcı davranışlarını analiz ederek kişiselleştirilmiş öneriler sunuyor. Bu sistemlerin temelinde işbirlikçi filtreleme yöntemi bulunuyor, ancak mevcut yaklaşımlar önemli sınırlılıklara sahip.
Araştırmacıların geliştirdiği Intent Propagation Contrastive Collaborative Filtering (IPCCF) algoritması, bu sınırlılıkları aşmak için iki temel yenilik getiriyor. İlk olarak, geleneksel yöntemler sadece kullanıcıların doğrudan etkileşimlerini (beğenme, satın alma gibi) dikkate alırken, IPCCF tüm ilişki ağının yapısını analiz ediyor. Bu sayede sistem, kullanıcılar ve ürünler arasındaki daha derin bağlantıları keşfedebiliyor.
İkinci yenilik ise 'çifte sarmal mesaj yayılımı' adı verilen framework'te saklı. Bu yaklaşım, kullanıcı niyetlerini farklı kategorilere ayırarak (örneğin alışveriş, eğlence, araştırma) her birini ayrı ayrı analiz ediyor. Böylece bir kullanıcının farklı zamanlarda farklı amaçlarla yaptığı etkileşimleri daha doğru şekilde yorumlanabiliyor.
Algoritmanın en önemli avantajı, sadece daha doğru öneriler sunmakla kalmayıp, bu önerilerin nedenlerini de açıklayabilmesi. Bu özellik, kullanıcı güvenini artırırken, sistem geliştiricilerinin de algoritmalarını daha iyi anlayıp geliştirmelerine olanak tanıyor.