오토인코더는 최근의 추천 시스템, 특히 협업 필터링 연구에서 활발하게 다루어 지고 있는 딥러닝 모델 중의 하나이다. 오토인코더를 기반으로 한 기존의 협업 필터링 기법들은 모델 학습 과정에서 주로 사용자 또는 아이템 둘 중 하나만의 특성 벡터를 추론한다. 반면, 본 연구는 듀얼 벡터 표기 기법이란 최근의 관련 연구 결과를 바탕으로, 학습 과정에서 사용자 및 아이템의 특성 벡터 모두를 추론할 수 있는 오토인코더 모델을 새롭게 제안하며, 다양한 경쟁 방법들과의 추천 정확도 비교 실험 결과를 통해 그 효과를 입증한다.