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
浣熊-论文指导6 小时前
聚类与Transformer融合的六大创新方向
论文阅读·深度学习·机器学习·transformer·聚类
深蓝岛10 小时前
目标检测核心技术突破:六大前沿方向
论文阅读·人工智能·深度学习·计算机网络·机器学习
晚霞apple11 小时前
特征融合与目标检测的六大创新方向
论文阅读·人工智能·深度学习·神经网络·机器学习
DuHz15 小时前
使用稀疏采样方法减轻汽车雷达干扰——论文阅读
论文阅读·算法·汽车·信息与通信·信号处理
番茄寿司1 天前
具身智能六大前沿创新思路深度解析
论文阅读·人工智能·深度学习·计算机网络·机器学习
晚霞apple2 天前
Graph + Agents 融合架构:2025年七大创新路径
论文阅读·人工智能·深度学习·神经网络·机器学习
浣熊-论文指导2 天前
人工智能与生物医药融合六大创新思路
论文阅读·人工智能·深度学习·计算机网络·机器学习
晚霞apple2 天前
三维重建技术的未来创新方向
论文阅读·人工智能·深度学习·神经网络·机器学习
大象耶2 天前
自然语言处理前沿创新方向与技术路径
论文阅读·人工智能·深度学习·计算机网络·机器学习
何如千泷2 天前
【论文阅读】Qwen2.5-VL Technical Report
论文阅读·大模型·多模态·1024程序员节