扩散模型推荐系统综述

文章预览

在线服务的快速发展使推荐系统（RSs）成为缓解信息过载并在电子商务、娱乐和社交媒体平台上提供个性化内容的重要工具。尽管传统推荐技术在过去几十年中取得了显著进展，但它们仍然因诸如协作信号不足、潜在表示薄弱以及数据噪声等因素导致的泛化性能有限而受到影响。为应对这些问题，扩散模型（DMs）因其强大的生成能力、坚实的理论基础以及相比于其他生成模型技术（如变分自编码器（VAEs）或生成对抗网络（GANs））更高的训练稳定性，逐渐成为推荐系统中的潜力解决方案。因此，本文首次对推荐系统中的扩散模型进行了全面综述，并从实际推荐系统全流程的角度提出了整体鸟瞰视图。 我们系统地将现有研究工作分为三个主要领域：（1）扩散用于数据工程与编码，侧重于数据增强和表示增强；（2）扩散作为推荐模型，利用扩散模型 ………………………………