扩散模型也能搞定社交信息推荐，港大数据智能实验室提出RecDiff

文章预览

RecDiff团队投稿 量子位 | 公众号 QbitAI 用扩散模型搞社交信息推荐，怎么解决数据噪声难题？现有的一些自监督学习方法效果还是有限。 针对此，港大数据智能实验室提出了新项目 RecDiff 。 RecDiff是一种全新的基于扩散模型的推荐框架，能够更好地捕捉用户的潜在偏好和兴趣，从而生成个性化、贴合用户需求的推荐内容。 具体而言，该框架采用隐空间扩散机制，有效清除用户表示中的噪声，无论是压缩还是密集的嵌入空间。 RecDiff通过多步扩散和噪声消除过程，展现出在不同噪声水平下均能准确识别和去除噪声的能力。 此外，扩散模块针对下游推荐任务进行了优化，以最大化其对推荐过程的增强效果。 通过广泛的实验评估，RecDiff在提高推荐准确性、训练效率以及去噪效果方面均表现出色。 研究方法 基于图协同过滤的编码器 受到简化图神经网络 ………………………………