擴散模型也能搞定社交信息推薦，港大數(shù)據(jù)智能實驗室提出RecDiff

AIGC動態(tài)歡迎閱讀

原標題：擴散模型也能搞定社交信息推薦，港大數(shù)據(jù)智能實驗室提出RecDiff
關鍵字：社交,噪聲,團隊,模型,基線
文章來源：量子位
內容字數(shù)：0字

內容摘要：

RecDiff團隊投稿量子位 | 公眾號 QbitAI用擴散模型搞社交信息推薦，怎么解決數(shù)據(jù)噪聲難題？現(xiàn)有的一些自監(jiān)督學習方法效果還是有限。
針對此，港大數(shù)據(jù)智能實驗室提出了新項目RecDiff。
RecDiff是一種全新的基于擴散模型的推薦框架，能夠更好地捕捉用戶的潛在偏好和興趣，從而生成個性化、貼合用戶需求的推薦內容。
具體而言，該框架采用隱空間擴散機制，有效清除用戶表示中的噪聲，無論是壓縮還是密集的嵌入空間。
RecDiff通過多步擴散和噪聲消除過程，展現(xiàn)出在不同噪聲水平下均能準確識別和去除噪聲的能力。
此外，擴散模塊針對下游推薦任務進行了優(yōu)化，以最大化其對推薦過程的增強效果。
通過廣泛的實驗評估，RecDiff在提高推薦準確性、訓練效率以及去噪效果方面均表現(xiàn)出色。
研究方法
基于圖協(xié)同過濾的編碼器受到簡化圖神經網絡（GNN）成功應用的啟發(fā)，圖那對在社交去噪框架中采用了輕量級圖卷積網絡（GCN）作為圖編碼器。圖關系去噪模型隱空間的社交擴散汲取擴散模型在各個領域成功生成無噪聲數(shù)據(jù)的精髓，研究團隊的RecDiff框架集成了一種創(chuàng)新的擴散機制，用以產生凈化后的社交關系數(shù)據(jù)。
面對社交圖