北京，2023年8月29日/PRNewswire/–全球領先的全息增強現實（“AR”）技術提供商WiMi全息雲股份有限公司（NASDAQ:WiMi）（“WiMi”或“公司”）今天宣布，它開發了一種創新技術，即用于高效推薦系統的注意力自動編碼器網絡，效率和用戶體驗。
WiMi一直緻力于推進推薦技術，這一最新的技術突破将為用戶提供更個性化、更準确的推薦服務。這項新技術采用了自動編碼器網絡，并引入了注意力機制，以解決傳統推薦系統中存在的數據不足、冷啟動和信息過載的挑戰。
在以往的研究中，推薦系統面臨着數據不足和冷啟動的問題和挑戰。在數據不足的情況下，WiMi的注意力自動編碼器網絡能夠通過學習用戶和項目的屬性信息并自動提取在推薦結果中起重要作用的特征，來對數據不足的數據實現更準确的推薦。在冷啟動問題上，WiMi的技術能夠在沒有足夠用戶曆史數據的情況下，通過融合用戶的屬性信息和項目來個性化推薦，為新用戶提供更好的推薦體驗。
除了解決信息過載的問題外，WiMi的注意力自動編碼器網絡将用戶和項目屬性信息結合起來，更好地了解用戶的興趣和需求，提供更個性化、更準确的推薦服務，幫助用戶過濾和訪問真正感興趣的内容。
數據不足的問題：在推薦系統中，用戶隻對少數項目進行評分，而大多數項目沒有反饋。這使得難以獲得令人滿意的推薦服務。該技術通過利用用戶的屬性信息來提高推薦的準确性和覆蓋率來解決該問題。
冷啟動問題：冷啟動是指缺乏足夠的數據來為新用戶或新程序做出準确的建議。在冷啟動的情況下，傳統的協作過濾方法無法提供有效的推薦。該技術通過引入用戶的屬性信息來克服冷啟動問題，從而在冷啟動情況下實現個性化推薦。
信息過載問題：随着信息科學的快速發展，人們面臨着大量的信息，容易陷入信息過載的困境。傳統的推薦系統傾向于隻根據用戶的行為進行推薦，而忽略了用戶的個性化需求和偏好。該技術利用用戶的屬性信息更好地了解用戶的興趣和需求，從而提供更個性化的推薦服務，緩解信息過載問題。
WiMi開發這項技術的核心創新是引入了注意力機制，使模型能夠自動學習用戶和項目屬性信息的重要性，并根據不同的應用場景動态調整屬性信息的權重。這樣，WiMi的技術能夠更靈活地适應不同用戶和項目之間的差異，并提供更高效的推薦服務。
WiMi的注意力自動編碼器網絡是一個高效推薦系統的技術框架，該系統将自動編碼器和注意力機制相結合，以提高推薦的準确性和效率。其技術框架包括數據預處理、自動編碼器網絡、用戶和項目特征提取、注意力機制、推薦計算和評估、模型訓練和優化、超參數選擇和調整。
數據預處理：在使用注意力自動編碼器網絡之前，需要對原始數據進行預處理。這包括數據處理、特征提取和數據歸一化等步驟。數據處理去除噪聲和異常值，特征提取從原始數據中提取有用的屬性信息，數據歸一化将不同特征的值縮放到相同的範圍，以提高模型訓練和推薦計算的穩定性。
