推荐系统的一个标准模型是矩阵补全设置：给定一个部分已知的用户（行）对项目（列）的评分矩阵，推断未知的评分。在过去的几十年中，尝试使用神经网络处理这一目标的研究较少，但最近基于自动编码器的架构被证明是一种有前景的方法。在本文中，我们通过以下两方面对该架构进行了改进：(i) 使用适应于包含缺失值输入数据的损失函数；(ii) 引入辅助信息。实验结果表明，虽然辅助信息仅略微改善了所有用户/项目的测试误差平均值，但它对冷启动用户/项目的性能提升更为显著。