Forskare hittar gemensam grund för rekommendationsalgoritmer

arXiv cs.AI

En ny studie visar att flera topppresterande rekommendationsalgoritmer – trots att de bygger på olika deep learning-tekniker – egentligen gör samma sak matematiskt: de lägger till en av två typer av regularisering (en teknik för att hindra modeller från att överanpassa data). Forskarna föreslår också två nya lösningar som kombinerar fördelarna från båda metoderna och ger mer exakta rekommendationer med enklare beräkningar.