Perpustakaan Digital ITB

Sistem rekomendasi adalah salah satu teknologi yang kini sedang terus dikembangkan dalam pemanfaatannya untuk berbagai domain. Sistem rekomendasi berguna untuk meningkatkan kenyamanan pengguna dalam membuat keputusan. Sistem rekomendasi berbasis sesi adalah salah satu paradigma sistem rekomendasi yang sedang berkembang untuk mempelajari preferensi jangka pendek dan dinamis dari pengguna. Pemanfaatan recurrent neural network (RNN) menjadi pilihan algoritma yang populer karena kemampuannya mempelajari data sekuensial. Selain itu, mekanisme atensi menjadi kerangka kinerja yang mulai dimanfaatkan bersamaan dengan RNN untuk mengenali tujuan pengguna dalam sesi. Oleh karena itu, performa dari dua variasi RNN, yaitu LSTM dan GRU, ketika digabungkan dengan mekanisme atensi untuk melakukan tugas sistem rekomendasi berbasis sesi akan dianalisis. Kedua model yang dikembangkan akan dibandingkan berdasarkan metrik recall dan mean reciprocal rank (MRR). Selain itu, performa kedua model dalam mengatasi berbagai tipe data sesi berdasarkan panjang sesi juga dibandingkan.