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

AIGC动态欢迎阅读

原标题：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
关键字：社交,噪声,团队,模型,基线
文章来源：量子位
内容字数：0字

内容摘要：

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（GNN）成功应用的启发，图那对在社交去噪框架中采用了轻量级图卷积网络（GCN）作为图编码器。图关系去噪模型隐空间的社交扩散汲取扩散模型在各个领域成功生成无噪声数据的精髓，研究团队的RecDiff框架集成了一种创新的扩散机制，用以产生净化后的社交关系数据。
面对社交图

原文链接：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