أصبح استخدام التوصيات في المحادثات الوضعية (Situated Conversational Recommendation - SCR) من أبرز الاتجاهات البحثية الحديثة، حيث تعتمد هذه الطريقة الجديدة على المشاهد البصرية المستندة إلى بيئات معينة مع حوار بلغة طبيعية من أجل تقديم توصيات ملائمة للسياق. على عكس التوصيات التقليدية، تتطلب SCR فهماً أعمق لتفضيلات المستخدم الديناميكية والضمنية، حيث يمكن أن تؤثر البيئة المحيطة على اهتمامات المستخدمين الأساسية، والتي قد تتطور مع تقدم المحادثة.

تتيح هذه التعقيدات تحسين توقيت وملائمة التوصيات المقدمة. لمواجهة هذه التحديات، نقترح إطار العمل الجديد المعروف باسم SiPeR، الذي يجمع بين آليتين أساسيتين:
1. **تقدير انتقال المشهد**، والذي يقيم ما إذا كان المشهد الحالي يلبي احتياجات المستخدم، ويعد المستخدم للتحول إلى مشهد أكثر ملاءمة عند الحاجة؛
2. **الاستدلال العكسي البايزي**، الذي يستخدم احتمالات نماذج لغوية متعددة النماذج (Multimodal Large Language Models - MLLMs) للتنبؤ بتفضيلات المستخدم حول العناصر المرشحة داخل المشهد.

أظهرت تجارب شاملة على مجموعة من المعايير التمثيلية أن SiPeR يتفوق في كل من دقة التوصيات وجودة استجاباتها. لمزيد من المعلومات، يمكن الاطلاع على التعليمات البرمجية والبيانات المتاحة على الرابط [GitHub](https://github.com/DongdingLin/SiPeR).

هل تعتقد أن مستقبل التوصيات الذكية يعتمد على الفهم الأعمق للسياقات المحيطة؟ شاركونا آراءكم في التعليقات!