مُؤَوِّل تلقائي متعدد التغيرات العميق مع مسار متوازٍ سطحي لتقديم التوصيات العُلْوِيَّة (VASP)

يُقدّم الخوارزمية الحديثة EASE طريقة بسيطة وأنيقة لحل مهمة التوصية بالـ top-N. في هذه الورقة، نقدّم EASE العصبي (Neural EASE) لتحسين أداء هذه الخوارزمية من خلال دمج تقنيات تدريب الشبكات العصبية الحديثة. كما تزداد الاهتمام في مجتمع recsys باستخدام مُشفّرات التوليد العشوائي (VAE) لهذه المهمة. نقدّم مُشفّرًا عميقًا يُدعى FLVAE، الذي يستفيد من طبقات غير خطية متعددة دون وجود عائق معلوماتي، مع تجنّب التعلم الزائد (overfitting) نحو الهوية. ونُظهر كيفية تعلّم FLVAE بالتوازي مع Neural EASE، ونُحقّق أداءً يُعدّ من أفضل الأداءات الحالية على مجموعة بيانات MovieLens 20M، وأداءً تنافسيًا على مجموعة بيانات Netflix Prize.