推荐精度提升6.29%
用相关矩阵迹替代传统对齐损失，并引入用户间与物品间相似性判别，提升推荐精度。
Xinzhe, Jiang · Lei, Sang · Shun, Lian · Yi, Zhang · 张以文
IEEE Transactions on Consumer Electronics 2025
用相关矩阵的迹替代对齐损失，这个指标不受超参数影响，能够与模型质量同步优化，避免训练中剧烈波动。
模型额外计算用户与用户、物品与物品之间的相似性，把高度相关的用户或物品拉得更近，从而更完整地刻画偏好和特性。
在三个公开数据集上的实验表明，相比基线模型，推荐精度最高提升了6.29%，证明方法有效。