北京，2023年8月29日/PRNewswire/–全球领先的全息增强现实（“AR”）技术提供商WiMi全息云股份有限公司（NASDAQ:WiMi）（“WiMi”或“公司”）今天宣布，它开发了一种创新技术，即用于高效推荐系统的注意力自动编码器网络，效率和用户体验。
WiMi一直致力于推进推荐技术，这一最新的技术突破将为用户提供更个性化、更准确的推荐服务。这项新技术采用了自动编码器网络，并引入了注意力机制，以解决传统推荐系统中存在的数据不足、冷启动和信息过载的挑战。
在以往的研究中，推荐系统面临着数据不足和冷启动的问题和挑战。在数据不足的情况下，WiMi的注意力自动编码器网络能够通过学习用户和项目的属性信息并自动提取在推荐结果中起重要作用的特征，来对数据不足的数据实现更准确的推荐。在冷启动问题上，WiMi的技术能够在没有足够用户历史数据的情况下，通过融合用户的属性信息和项目来个性化推荐，为新用户提供更好的推荐体验。
除了解决信息过载的问题外，WiMi的注意力自动编码器网络将用户和项目属性信息结合起来，更好地了解用户的兴趣和需求，提供更个性化、更准确的推荐服务，帮助用户过滤和访问真正感兴趣的内容。
数据不足的问题：在推荐系统中，用户只对少数项目进行评分，而大多数项目没有反馈。这使得难以获得令人满意的推荐服务。该技术通过利用用户的属性信息来提高推荐的准确性和覆盖率来解决该问题。
冷启动问题：冷启动是指缺乏足够的数据来为新用户或新程序做出准确的建议。在冷启动的情况下，传统的协作过滤方法无法提供有效的推荐。该技术通过引入用户的属性信息来克服冷启动问题，从而在冷启动情况下实现个性化推荐。
信息过载问题：随着信息科学的快速发展，人们面临着大量的信息，容易陷入信息过载的困境。传统的推荐系统倾向于只根据用户的行为进行推荐，而忽略了用户的个性化需求和偏好。该技术利用用户的属性信息更好地了解用户的兴趣和需求，从而提供更个性化的推荐服务，缓解信息过载问题。
WiMi开发这项技术的核心创新是引入了注意力机制，使模型能够自动学习用户和项目属性信息的重要性，并根据不同的应用场景动态调整属性信息的权重。这样，WiMi的技术能够更灵活地适应不同用户和项目之间的差异，并提供更高效的推荐服务。
WiMi的注意力自动编码器网络是一个高效推荐系统的技术框架，该系统将自动编码器和注意力机制相结合，以提高推荐的准确性和效率。其技术框架包括数据预处理、自动编码器网络、用户和项目特征提取、注意力机制、推荐计算和评估、模型训练和优化、超参数选择和调整。
数据预处理：在使用注意力自动编码器网络之前，需要对原始数据进行预处理。这包括数据处理、特征提取和数据归一化等步骤。数据处理去除噪声和异常值，特征提取从原始数据中提取有用的属性信息，数据归一化将不同特征的值缩放到相同的范围，以提高模型训练和推荐计算的稳定性。
