Perpustakaan Digital ITB

Sistem rekomendasi merupakan teknologi yang menjadi inti dari banyak sistem di berbagai domain, khususnya domain e-commerce. Sistem rekomendasi berbasis sesi memungkinkan sistem untuk memberikan rekomendasi tanpa representasi pengguna yang sangat efektif untuk sesi pendek, dinamis, dan anonim. Saat ini, model berbasis RNN paling umum dipilih karena mampu mempelajari hubungan sekuensial data, dan lebih populer digunakan dalam implementasi model pembelajaran mesin. Salah satu model RNN yang menjadi state-of-the-art (SOTA) dari sistem rekomendasi berbasis sesi yaitu NARM. Namun, sistem rekomendasi berbasis sesi yang memanfaatkan arsitektur GNN juga mulai dikembangkan. Oleh sebab itu, akan dilakukan analisis kinerja model SR-GNN yang berbasis GNN dan NARM yang berbasis RNN dengan membandingkan metrik hit rate dan mean reciprocal rank. Dari kedua model tersebut, model yang lebih baik akan dioptimalisasi parameternya agar model dibangun dengan kinerja sebaik mungkin. Berdasarkan analisis tersebut, disimpulkan bahwa SR-GNN memiliki kinerja yang lebih baik dibandingkan NARM. Hasil tersebut menunjukkan SR-GNN dapat menjadi alternatif yang lebih baik daripada NARM dalam memberikan rekomendasi berbasis sesi produk e-commerce.