.png){kind=icon}
返回
SemDiff: Semantic Guided Diffusion-Based Collaborative Filtering Framework
.png){kind=icon}
PRE
AI
DOI：10.1109/TKDE.2026.3681070.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
扩散模型在推荐系统中展现出巨大的潜力，这得益于其强大的生成能力。然而，由于现实世界推荐数据固有的稀疏性以及训练过程中重构损失和排序损失变化的不一致性，现有工作存在两个问题：1）随机采样的高斯噪声添加往往会掩盖原始用户偏好；2）生成任务和偏好学习任务的训练相互干扰，限制了模型的生成能力。为解决这些问题，我们提出了SemDiff，一个基于语义引导的扩散协同过滤框架。针对第一个问题，我们并非使用随机高斯噪声，而是通过融合文本或图像模态的辅助信号来利用丰富的语义信息，以增强去噪模型的输入数据。针对第二个问题，基于对扩散推荐系统中生成与偏好学习相互影响的全面分析，我们构建了一个协同训练目标策略，将两者之间的干扰转化为相互协作，从而共同提升模型训练的有效性。此外，我们在推理阶段仅使用多层GCN来融合高阶共现信息，同时保持训练效率。在四个真实数据集上的广泛实验表明，SemDiff显著优于当前最先进的方法。我们的SemDiff为提升推荐性能提供了有效解决方案，并为扩散方法在推荐系统中的应用提供了新的范式。
Keyword:
Collaborative filtering
generative recommender model
diffusion model
期刊
IF:
10.4
论文数:
6.9K
被引数:
3.2W
机构
引用论文
.png){kind=icon}
Graph Signal Diffusion Model for Collaborative FilteringZhu, Y., Wang, C., Zhang, Q., & Xiong, H. (2024a). 图信号扩散模型用于协同过滤。在 Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval (pp. 1380–1390) 的论文集。
PREAI
分享收藏
Adapting Generative Pretrained Language Model for Open-domain Multimodal Sentence Summarization适配生成式预训练语言模型用于开放域多模态句子摘要生成
PREAI
分享收藏
分享收藏
查看更多内容