Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Score-based Generative Diffusion Models for Social Recommendations

Created by
  • Haebom

作者

Chengyi Liu, Jiahao Zhang, Shijie Wang, Wenqi Fan, Qing Li

概要

本論文は、オンラインプラットフォームにおける社会的推薦の効果を高めるために、社会的同質性の仮定(社会的接続を持つ個人は同様の好みを共有するという仮定)の限界を克服する新しい生成モデルを提示する。実際の社会ネットワークの複雑さとノイズによって社会的均質性仮定が常に成立しない問題を解決するために、スコアベースの生成モデルであるScore-based Generative Model for Social Recommendation(SGSR)を提案する。 SGSRは、確率的微分方程式(SDE)ベースの拡散モデルを社会的推薦に適用し、不足している監督信号の問題を軽減するための共同カリキュラム学習戦略と社会的および共同分野の間の知識の整列のための自己指導学習技術を利用します。実際のデータセットを用いた実験の結果、SGSRは不要な社会的情報をフィルタリングし、推奨性能を向上させる効果を示した。

Takeaways、Limitations

Takeaways:
社会的均質性家庭の限界を克服する新しい生成モデルを提示することによって社会的推薦の性能向上に寄与
拡散モデルを社会的推薦に効果的に適用する新しい方法の提示
共同カリキュラム学習と自己指導学習を介して行方不明の監督シグナル問題とドメイン間の知識の不一致のトラブルシューティング
実験結果によるモデルの有効性検証
Limitations:
提案モデルの計算コストと複雑さの分析不足
様々な社会的ネットワーク構造とデータ特性の一般化性能に関するさらなる研究の必要性
実験に使用されたデータセットの制限による一般化の可能性をさらに検証する必要性。
👍