论文阅读《Dual Personalization on Federated Recommendation》

论文概况

本文是2024 IJCAI的一篇联邦推荐论文,提出了提出了一种新的双重个性化机制,以有效地学习用户和项目的细粒度个性化。

Introduction

  • 我们设计了一种新的双重个性化机制,通过个性化评分功能和细粒度的项目嵌入个性化来捕获用户偏好。

  • 舍弃用户嵌入,重视物品嵌入带来的用户喜好。

Method

A.目标函数

推荐损失。结合项目嵌入模块和评分功能,我们将第i个用户推荐模型对第j个项目的预测公式为:
r ^ i j = S i ( E i ( e j ) ) \hat{r}{ij}=S_i(E_i(e^j)) r^ij=Si(Ei(ej))
L i ( θ i ; r , r ^ ) = − ∑ ( i , j ) ∈ D i log ⁡ r ^ i j − ∑ ( i , j ′ ) ∈ D i − log ⁡ ( 1 − r ^ i j ′ ) L
{i}(\theta_{i};r,\hat{r})=-\sum_{(i,j)\in D_{i}}\log\hat{r}{ij}-\sum{(i,j^{\prime})\in D_{i}^{-}}\log(1-\hat{r}_{ij^{\prime}}) Li(θi;r,r^)=−(i,j)∈Di∑logr^ij−(i,j′)∈Di−∑log(1−r^ij′)

B.双重个性化

我们提出了一种双重个性化机制,使所提出的框架能够同时对用户和项目保持细粒度的个性化。该模型由以θ s为参数的神经评分函数和以θ m为参数的项目嵌入模块组成。考虑到个性化和隐私性,我们实现了部分模型聚合策略,将分数函数作为设备上的私有模块,同时将条目嵌入共享到服务器。因此,服务器只从项目嵌入模块中聚合梯度或参数θ m。

C.结果

总结

设计非常简单,性能也很好,类似会话推荐省略了用户特征嵌入仅通过物品特征计算用户喜好。

相关推荐
nenchoumi311915 小时前
VLA 论文精读(十八)π0.5: a Vision-Language-Action Model with Open-World Generalization
论文阅读·人工智能·深度学习·语言模型·vla
江左子固1 天前
《Deep Learning Inference on Embedded Devices: Fixed-Point vs Posit》(一)
论文阅读
nenchoumi31192 天前
LLM 论文精读(二)Training Compute-Optimal Large Language Models
论文阅读·人工智能·笔记·学习·语言模型·自然语言处理
爱补鱼的猫猫2 天前
20、 DeepSeekMoE论文笔记
论文阅读·deepseekmoe
李一帆'2 天前
【论文阅读】Dual-branch Cross-Patch Attention Learning for Group Affect Recognition
论文阅读
初级炼丹师(爱说实话版)2 天前
Representation Flow for Action Recognition论文笔记
论文阅读
CV-杨帆2 天前
论文阅读:2025 arxiv AI Alignment: A Comprehensive Survey
论文阅读·人工智能
黄雪超2 天前
Flink介绍——实时计算核心论文之Dataflow论文详解
大数据·论文阅读·flink
王上上2 天前
【论文阅读24】并行 TCN-LSTM(2024-02)
论文阅读·人工智能·lstm·tcn
nenchoumi31193 天前
VLA论文精读(十四)PointVLA: Injecting the 3D World into Vision-Language-Action Models
论文阅读·笔记·学习·vla