个性化扩散模型重塑冷启动捆绑推荐

本研究针对冷启动场景下用户与捆绑商品之间交互稀疏的问题，提出了一种新方法DisCo。该方法利用个性化的扩散骨干网络，结合用户兴趣的解耦特征，为每个用户在分布空间中生成捆绑推荐，实验证明DisCo在三组真实数据集上的表现显著优于五个对比基准，展示了冷启动推荐的潜在影响和框架。

本研究提出了一种新方法DisCo，旨在解决冷启动场景下用户与捆绑商品交互稀疏的问题。通过个性化扩散骨干网络和用户兴趣解耦特征，DisCo在真实数据集上超越了五个基准，展示了冷启动推荐的潜力。

DisCo 交互稀疏 冷启动 扩散模型 推荐系统 用户兴趣
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友