نظام توصية هجين مستند إلى الترميزات الذاتية

نموذج قياسي لنظم التوصية هو إعداد استكمال المصفوفة: بالنظر إلى مصفوفة جزئياً معروفة للتصنيفات التي قدمها المستخدمون (الصفوف) للأغراض (الأعمدة)، يتم الاستدلال على التصنيفات غير المعروفة. في العقود الأخيرة، تم القيام ببعض المحاولات لمعالجة هذا الهدف باستخدام الشبكات العصبية، ولكن مؤخراً أثبتت هندسة قائمة على المكودات الذاتية أنها طريقة واعدة. في هذه الورقة البحثية، قمنا بتعزيز تلك الهندسة (أولاً) من خلال استخدام دالة خسارة ملائمة للبيانات الإدخالية ذات القيم الناقصة، و(ثانياً) من خلال دمج المعلومات الجانبية. تظهر التجارب أن المعلومات الجانبية تحسن خطأ الاختبار المتوسط على جميع المستخدمين/الأغراض بشكل طفيف فقط، ولكن لها تأثير أكبر على المستخدمين/الأغراض الجديدة.