כתבה
arXiv cs.LG ·
EPIC: התניה פוסטריורית מפורשת להמלצות דיפוזיה
EPIC: Explicit Posterior Item Conditioning for Semantic ID Diffusion Recommendation
EPIC מציג התניה פוסטריורית מפורשת להמלצות דיפוזיה. השיטה משפרת את תהליך ההמלצה על ידי כינוס רשימה ממוכנת של פריטים מועמדים, ואז הטלת ההסתברות הזו בחזרה לעמדות SID שטרם הוחלטו. ניסויים על ארבעה בנקי מידע של Amazon מראים שיפור עקבי לעומת בסיסי התייחסות חזקים.
תקציר מקורי באנגליתarXiv:2609.03522v1 Announce Type: cross Abstract: Semantic ID (SID) generative recommendation predicts the next item by generating a short tuple of discrete tokens. Recent masked-diffusion methods improve this process through bidirectional context and flexible decoding, yet recommendation ultimately requires selecting among complete catalog items. At each denoising step, a partial SID can correspond to multiple feasible items, while existing methods primarily reason through position-wise token predictions. We propose Explicit Posterior Item Conditioning (EPIC), which introduces explicit item-level competition into SID denoising. EPIC constructs a personalized posterior over feasible candidate items using the current generation context and the user's recent interactions, then projects this
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית