Аңдатпа: Ұсыным жүйелері пайдаланушылардың қалауы мен контент атрибуттарын ескере отырып, дербестендірілген контентті ұсынуда маңызды рөл атқарады. Бұл зерттеуде үш жетілдірілген ұсыным моделі бағаланады: Neural Collaborative Filtering (NCF), Graph Neural Network-based Content Model (GNN-based Content Model) және Hybrid Neural Network (HNN). Әр модель ұсыныстардың дәлдігін арттыру және пайдаланушы тәжірибесін жақсарту үшін терең оқыту әдістерін қолданады.NCF моделі екі тармақтан тұрады: Generalized Matrix Factorization (GMF) және Multi-Layer Perceptron (MLP), олар пайдаланушы мен элемент арасындағы бейсызық өзара әрекеттестікті модельдейді. GNN-based Content Model пайдаланушылар мен элементтерді екі бөлікті графтың түйіндері ретінде көрсетеді, ал Graph Convolutional Networks (GCN) байланыстар бойынша ақпаратты тарату үшін қолданылады. Гибридті нейрондық желі (HNN) коллаборативті сүзгілеу мен контенттік мүмкіндіктерді біріктіріп, бірыңғай ұсыныс кеңістігін құрайды.
MovieLens деректер жинағында жүргізілген сынақтарымыз гибридті нейрондық желінің ең жоғары дәлдікке (85%) жеткенін көрсетті, бұл NCF (80%) және GNN-based Content Model (77.5%) нәтижелерінен жоғары. Гибридті тәсіл коллаборативті және контенттік мүмкіндіктерді біріктіре отырып, ұсыныстардың сапасын жақсартады. GNN моделі, құрылымдық байланыстарды өңдей алатындығына қарамастан, суық старт мәселесімен кездеседі. Бұл нәтижелер әртүрлі ұсынымдық факторларды қамтитын гибридті әдістердің тиімдірек екенін көрсетеді. Болашақ зерттеулерде трансформер архитектуралары мен күшейту оқыту әдістерін интеграциялау ұсыныстардың өзектілігін одан әрі арттыруға көмектесуі мүмкін.

Түйін сөздер: Ұсыным жүйелері, терең оқыту, коллаборативті сүзгілеу, графтық нейрондық желілер, гибридті модельдер, дербестендіру.