Fugu-MT 論文翻訳(概要): Unconditional Diffusion for Generative Sequential Recommendation

論文の概要: Unconditional Diffusion for Generative Sequential Recommendation

arxiv url: http://arxiv.org/abs/2507.06121v1
Date: Tue, 08 Jul 2025 16:05:18 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-09 16:34:38.332455
Title: Unconditional Diffusion for Generative Sequential Recommendation
Title（参考訳）: 生成順序勧告のための無条件拡散
Authors: Yimeng Bai, Yang Zhang, Sihao Ding, Shaohui Ruan, Han Yao, Danhui Guan, Fuli Feng, Tat-Seng Chua,
Abstract要約: Brownian Bridge Diffusion Recommendation (BBDRec)を紹介する。 BBDRecは、構造化されたノイズの追加とデノゲーションメカニズムを適用し、トラジェクトリが特定のエンドポイント(ノイズではなくユーザ履歴)に制約されることを保証する。
参考スコア（独自算出の注目度）: 60.66931625619843
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Diffusion models, known for their generative ability to simulate data creation through noise-adding and denoising processes, have emerged as a promising approach for building generative recommenders. To incorporate user history for personalization, existing methods typically adopt a conditional diffusion framework, where the reverse denoising process of reconstructing items from noise is modified to be conditioned on the user history. However, this design may fail to fully utilize historical information, as it gets distracted by the need to model the "item $\leftrightarrow$ noise" translation. This motivates us to reformulate the diffusion process for sequential recommendation in an unconditional manner, treating user history (instead of noise) as the endpoint of the forward diffusion process (i.e., the starting point of the reverse process), rather than as a conditional input. This formulation allows for exclusive focus on modeling the "item $\leftrightarrow$ history" translation. To this end, we introduce Brownian Bridge Diffusion Recommendation (BBDRec). By leveraging a Brownian bridge process, BBDRec enforces a structured noise addition and denoising mechanism, ensuring that the trajectories are constrained towards a specific endpoint -- user history, rather than noise. Extensive experiments demonstrate BBDRec's effectiveness in enhancing sequential recommendation performance. The source code is available at https://github.com/baiyimeng/BBDRec.
Abstract（参考訳）: 拡散モデル(Diffusion model)は、ノイズ付加・復調プロセスを通じてデータ生成をシミュレートする能力で知られており、ジェネレーティブレコメンデータ構築のための有望なアプローチとして現れている。パーソナライズのためのユーザ履歴を組み込むため、既存手法では、ノイズからアイテムを再構成する逆復調処理をユーザ履歴に条件付けする条件拡散フレームワークを採用するのが一般的である。しかし、この設計では、「item $\leftrightarrow$ noise」という翻訳をモデル化する必要がなくなるため、歴史情報の完全活用に失敗する可能性がある。これは「item $\leftrightarrow$ history」翻訳を「item $\leftrightarrow$ history」翻訳ではなく、前方拡散プロセス(すなわち、逆プロセスの開始点)のエンドポイントとしてユーザー履歴(ノイズではなく)を扱い、逐次的なレコメンデーションのために拡散プロセスを再構築する動機となる。この目的のために、Brownian Bridge Diffusion Recommendation (BBDRec)を紹介する。 BBDRecは、ブラウン橋のプロセスを活用することで、構造的なノイズ追加とデノナイズ機構を導入し、トラジェクトリがノイズではなく、特定のエンドポイント – ユーザ履歴 – に制約されていることを保証する。大規模な実験では、BBDRecがシーケンシャルレコメンデーション性能を向上させる効果を示した。ソースコードはhttps://github.com/baiyimeng/BBDRec.comで入手できる。

論文の概要: Unconditional Diffusion for Generative Sequential Recommendation

関連論文リスト