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
梦云澜4 小时前
论文阅读(十一):基因-表型关联贝叶斯网络模型的评分、搜索和评估
论文阅读·人工智能·深度学习
Joanna-升9 小时前
利用飞书机器人进行 - ArXiv自动化检索推荐
论文阅读·自动化·飞书·arxiv·科研工具·论文自动检索
梦云澜18 小时前
论文阅读(十四):贝叶斯网络在全基因组DNA甲基化研究中的应用
论文阅读·人工智能·深度学习
想成为配环境大佬1 天前
MaskGAE论文阅读
论文阅读
梦云澜1 天前
论文阅读(十三):复杂表型关联的贝叶斯、基于系统的多层次分析:从解释到决策
论文阅读·人工智能·深度学习
墨绿色的摆渡人3 天前
论文阅读的附录(八):Understanding Diffusion Models: A Unified Perspective(五):逐步加噪评分匹配
论文阅读
HollowKnightZ3 天前
论文阅读笔记:MambaOut: Do We Really Need Mamba for Vision?
论文阅读·笔记
梦云澜3 天前
论文阅读(四):混合贝叶斯和混合回归方法推断基因网络的比较
论文阅读·人工智能·深度学习
墨绿色的摆渡人3 天前
论文笔记(六十三)Understanding Diffusion Models: A Unified Perspective(六)(完结)
论文阅读
好评笔记3 天前
多模态论文笔记——TECO
论文阅读·人工智能·深度学习·机器学习·面试·大模型·aigc