यह शोधपत्र मौजूदा अनुक्रमिक अनुशंसा प्रणालियों (SeqRec) की कमियों पर प्रकाश डालता है, जो अनुक्रमिक पैटर्न को पकड़ने के लिए मुख्य रूप से अग्र संगणन पर निर्भर करती हैं, जिससे जटिल उपयोगकर्ता वरीयता विविधताओं और दीर्घ-पूंछ वाले आइटमों की समझ का अभाव होता है। इस समस्या के समाधान के लिए, हम ReaRec, एक अनुमान-समय संगणन ढाँचा प्रस्तावित करते हैं। ReaRec अनुक्रमिक अनुशंसा प्रणाली में किसी अनुक्रम की अंतिम छिपी हुई स्थिति को स्वतः-प्रत्यावर्ती रूप से इनपुट करता है और मूल आइटम एन्कोडिंग स्थान को बहु-स्तरीय अनुमान स्थान से अलग करने के लिए एक विशेष अनुमानित स्थिति एम्बेडिंग को एकीकृत करता है, जिससे उपयोगकर्ता प्रतिनिधित्व में वृद्धि होती है। इसके अलावा, हम एन्सेम्बल रीजनिंग लर्निंग (ERL) और प्रोग्रेसिव रीजनिंग लर्निंग (PRL), कुशल अनुमान-आधारित शिक्षण विधियाँ प्रस्तुत करते हैं। पाँच सार्वजनिक वास्तविक-विश्व डेटासेट और विभिन्न SeqRec आर्किटेक्चर पर व्यापक प्रयोगों के माध्यम से, हम ReaRec की सामान्यीकरणीयता और प्रभावशीलता को प्रदर्शित करते हैं, यह दर्शाते हुए कि यह कई अनुक्रमिक अनुशंसा बैकबोन के प्रदर्शन को लगभग 30%-50% तक बेहतर बनाता है।
