روش SR-tSNE برای حفظ ترتیب همسایه‌ها در نگاشت داده‌ها پیشنهاد شد

روش‌هایی مانند t-SNE و UMAP همسایگی‌های محلی داده‌ها را حفظ می‌کنند، اما ممکن است ترتیب همسایه‌ها را به‌هم بزنند: دو نگاشت می‌توانند مجموعهٔ همسایه‌های یک نقطه را یکسان نگه دارند، اما دربارهٔ اینکه کدام همسایه نزدیک‌تر است اختلاف داشته باشند. نویسندگان می‌گویند این جابه‌جایی ترتیب می‌تواند به کاربردهایی آسیب بزند که به رتبه‌بندی نقاط در فضای تعبیه‌شده اهمیت می‌دهند.

پژوهشگران Smooth Rank t-SNE یا SR-tSNE را پیشنهاد می‌کنند؛ روشی که یک جملهٔ رتبهٔ مشتق‌پذیر به تابع زیان استاندارد t-SNE می‌افزاید. این جمله با تقریب رتبه‌ای مبتنی بر تابع سیگموید، همسایه‌های واقعی در فضای پُربعد را بالاتر از نقاط نامرتبطی قرار می‌دهد که به‌اشتباه وارد همسایگی شده‌اند و می‌کوشد ترتیب اصلی همسایه‌ها را حفظ کند. چکیده همچنین از معیار Ordinal DLP، توسعه‌ای برای معیار Degree of Locality Preservation، نام می‌برد؛ اما متن موجود جزئیات بیشتری دربارهٔ آن ارائه نمی‌کند.