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
秋雨qy1 小时前
VLA论文阅读2
论文阅读
网安INF3 小时前
【论文阅读】-《SparseFool: a few pixels make a big difference》
论文阅读·人工智能·深度学习·网络安全·黑盒攻击
张较瘦_4 小时前
[论文阅读] AI+教学 | 编程入门课的AI助手革命?ChatGPT的4大核心影响全解析
论文阅读·人工智能·chatgpt
网安INF4 小时前
【论文阅读】-《Sparse Adversarial Attack via Perturbation Factorization》
论文阅读·人工智能·计算机视觉·网络安全·黑盒攻击
张较瘦_6 小时前
[论文阅读] AI+软件工程(DeBug)| 从11%到53%!双LLM驱动的工业级代码修复方案,Google数据集验证有效
论文阅读·人工智能·软件工程
菜鸟‍1 天前
【论文笔记】2025年图像处理顶会论文
论文阅读
张较瘦_1 天前
[论文阅读] AI+软件工程 | 开发者 AI 需求新指南:任务感知视角下的负责任 AI 实证研究
论文阅读·人工智能·软件工程
红苕稀饭6661 天前
M-LLM Based Video Frame Selection for Efficient Video Understanding论文阅读
论文阅读
森诺Alyson2 天前
前沿技术借鉴研讨-2025.9.23 (数据不平衡)
论文阅读·人工智能·经验分享·深度学习·论文笔记
Chandler_Song2 天前
【读书笔记】《苏东坡》
论文阅读