双曲扩散推荐模型

扩散模型 (DMs) 已成为深度生成模型中的新型最先进技术。为更深入地了解扩散模型在推荐系统中的局限性，我们调查了图像与物品之间的根本结构差异。结果表明，物品常常表现出独特的各向异性和方向性结构，而这种结构在图像中较少出现。然而，传统的前向扩散过程持续添加各向同性高斯噪声，导致各向异性信号退化为噪声，损害了推荐系统中具有语义意义的表示。灵感来自双曲空间的进展，我们提出了一种新型 \textit{\textbf{H}yperbolic} \textit{\textbf{D}iffusion} \textit{\textbf{R}ecommender} \textit{\textbf{M}odel} (HDRM)。不同于基于欧几里得空间的现有方向扩散方法，双曲空间的内在非欧几里得结构使其特别适合处理各向异性扩散过程。具体而言，我们首先提出概念以表征在几何导向的双曲空间中所涉及的潜在有向扩散过程。随后，我们提出一种专为用户和物品设计的新型双曲潜在扩散过程。依据双曲空间的自然几何属性，我们对空间施加结构限制，以增强双曲扩散传播，从而确保用户-物品图的内在拓扑得以保留。在三个基准数据集上的大量实验表明，HDRM 的有效性得到了充分验证。