DGRM 扩散-GAN 推荐模型

缓解模式坍缩

将扩散模型引入GAN框架，通过正向过程生成条件向量引导生成器训练，反向过程以Wasserstein距离辅助判别器，有效缓解稀疏环境下的模式坍缩。

Deng, Jiangzhou · Wang, Songli · Ye, Jianmei · Ji, Lianghao · 王永

Pattern Recognition 2024

技术优势

缓解模式坍缩

扩散模型的正向过程生成条件向量引导生成器训练，使生成结果覆盖更多模式。

改进判别器训练

反向过程使用Wasserstein距离辅助判别器，解决了传统GAN中KL散度非对称的问题。

超越现有方法

在多个数据集上的实验表明，该模型在各项评估指标上均超过其他最先进方法。

应用场景

• 推荐系统算法优化：在稀疏数据下提高推荐准确性与多样性，缓解模式坍缩。
• 生成模型改进：通过扩散模型与GAN结合，改进生成模型训练稳定性。