Trong bối cảnh thương mại điện tử và dịch vụ trực tuyến đang phát triển nhanh
chóng [4], hệ thống gợi ý đã trở thành một công cụ quan trọng để nâng cao trải
nghiệm khách hàng và thúc đẩy sự phát triển kinh doanh. Các mô hình gợi ý truyền
thống như phương pháp đề xuất dựa trên nội dung [5] và phương pháp lọc dựa trên
cộng tác [6] chủ yếu tập trung vào sở thích cá nhân dài hạn và phần lớn mang tính
tĩnh của khách hàng mà bỏ qua các tương tác ngắn hạn [7]. Như vậy, các mô hình
truyền thống này chỉ phù hợp trong những tình huống có thông tin người dùng và
không có khả năng xử lý cho người dùng ẩn danh. Cụ thể hơn, những mô hình này
thường không thể nắm bắt được bản chất động của hành vi khách hàng khi tương
tác với hệ thống, đặc biệt là trong các ngữ cảnh mà sở thích của họ thay đổi theo
từng phiên làm việc hoặc với ngữ cảnh hẹp hơn hệ thống chỉ có thông tin của khách
hàng trong phiên làm việc hiện tại để gợi ý [3].
Đây chính là động cơ nghiên cứu thể hiện tính cấp thiết của việc phát triển và liên
tục tối ưu các hệ thống gợi ý. Với sự ra đời của nhiều mô hình mới như mạng nơ-ron
học sâu hay mạng đồ thị, đang giúp các nhà nghiên cứu có thêm nhiều hướng tiếp
cận khác nhau trong việc xây dựng hệ gợi ý nhằm nâng cao khả năng đưa ra những
gợi ý sản phẩm cá nhân, phù hợp và kịp thời cho khách hàng. Bằng cách khai tách
dữ liệu người dùng mọi lúc mọi nơi (cả trong quá khứ lẫn hiện tại theo thời gian
thực) và các thuật toán hiện đại hơn, các hệ thống gợi ý sẽ tối ưu hóa quá trình
tìm kiếm sản phẩm, nâng cao sự hài lòng của khách hàng và tối đa hóa kết quả
kinh doanh. Sự cải tiến liên tục của hệ thống gợi ý đóng vai trò quan trọng trong
việc định hình tương lai của ngành thương mại điện tử bằng cách tạo ra những trải
nghiệm mua sắm trơn tru và thú vị cho người dùng trên thế giới số.