تُعتبر أنظمة التوصيات الحديثة أداة مهمة في استهلاك المحتوى الرقمي، لكنها تخلق في بعض الأحيان ما يُعرَف بـ 'فناجين المعلومات'، حيث تُقيد تنوع المحتوى المقدم للمستخدم. التحدي الرئيسي يكمن في تحقيق توازن دقيق بين استكشاف محتوى جديد (exploration) واستغلال المحتوى المتاح (exploitation) مع إتاحة الفرصة للمستخدمين لضبط تفضيلاتهم.

في هذا السياق، يُقترح نموذج HERec، وهو إطار هايبروليكي (hyperbolic framework) يهدف إلى معالجة هذه التحديات بشكل فعّال. يعتمد هذا النموذج على تدوين هرمية يُسهل من خلاله استغلال المعلومات المتاحة، فيما يعزز من قدرة المستخدمين على استكشاف محتوى جديد.

تشمل الابتكارات الرئيسية في HERec:
1. **آلية هرمية معززة دلالياً**: تقوم بتوافق الأوصاف النصية الغنية مع المعلومات التعاونية في الفضاء الهايبروليكي، مما يؤدي إلى تحسين دقة نمذجة المستخدمين والمنتجات.
2. **آلية تجميع هرمية تلقائية**: تعتمد على تحسين تكلفة Dasgupta، مما يسمح لها باكتشاف الهياكل الهرمية دون الحاجة إلى معلمات مسبقة، مما يُمكّن من تحقيق توازن قابل للتعديل بين الاستكشاف والاستغلال.

تجارب موسعة على نموذج HERec أظهرت تفوقه المستمر على نظيراتها في الفضاء الإقليدي والهايبروليكي، حيث حقق تحسناً بمعدل 5.49% في مقاييس المنفعة و11.39% في مقاييس التنوع، مما يُعتبر خطوة هامة نحو القضاء على ظاهرة فناجين المعلومات.