Öneri sistemleri günlük hayatımızın ayrılmaz bir parçası haline geldi. Netflix'te izleyeceğimiz filmi, Spotify'da dinleyeceğimiz müziği veya e-ticaret sitelerinde satın alacağımız ürünleri büyük ölçüde bu sistemler belirliyor. Ancak kullanıcıların sürekli değişen tercihlerini doğru şekilde tahmin etmek hala büyük bir meydan okuma.
Yeni geliştirilen BIPCL (Bilateral Intent-Enhanced Sequential Recommendation via Embedding Perturbation Contrastive Learning) sistemi, bu alandaki önemli sorunları çözmeyi hedefliyor. Mevcut sistemlerin en büyük eksikliği, kullanıcı davranışlarının altında yatan çoklu niyetleri etkili şekilde yakalayamaması ve farklı kullanıcılar ile ürünler arasındaki ortak niyet sinyallerini kullanamaması.
Araştırmacılar, bu soruna çift yönlü niyet geliştirme mekanizması ile çözüm getiriyor. Sistem, kullanıcı ve ürün tarafında paylaşılan niyet prototipleri oluşturarak, kolektif niyet semantiklerini yakalıyor. Bu yaklaşım, bilgi izolasyonunu ortadan kaldırırken sistemin dayanıklılığını da artırıyor.
BIPCL'in en dikkat çekici özelliği, kontrastlı öğrenme yaklaşımını kullanarak hem semantik tutarlılığı hem de ayırt edicilik özelliklerini aynı anda sağlaması. Bu sayede sistem, kullanıcıların geçmiş etkileşimlerinden yola çıkarak gelecekteki tercihlerini çok daha başarılı şekilde öngörebiliyor.