Pubblicata su towardsdatascience.com (https://towardsdatascience.com/recommendation-system-series-part-6-the-6-variants-of-autoencoders-for-collaborative-filtering-bd7b9eae2ec7) un’analisi indipendente di varie architetture di deep learning per sistemi di raccomandazione. Dall’analisi risulta che l’architettura SVAE (sequential Variational Autoencoder for Collaborative Filtering, https://gmanco.github.io/publication/sachdeva-2019/), sviluppata dai ricercatori dell’ICAR-CNR, garantisce le migliori prestazioni in termini di accuratezza predittiva.