💻 computer science

Intent-Guided Diffusion with Adaptive Intent Fusion for User Cold-Start Recommendation

本文提出了意图引导扩散模型（Intent-Guided Diffusion Model, IGDM），这是一个通过从历史数据中提取可迁移的潜在意图原型，将其与稀疏的用户行为进行自适应融合，并以此引导基于扩散的去噪过程以优化偏好估计，从而在多个真实世界数据集上超越现有基准模型的创新框架，旨在增强用户冷启动推荐。

原作者： Lingxuan Li, Luofei Jia, Dafei Lin, Chongmin Wang, Yongxin Shi

发布于 2026-06-29

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Lingxuan Li, Luofei Jia, Dafei Lin, Chongmin Wang, Yongxin Shi

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你刚刚搬到一个新城市并加入了一个当地的读书会。你目前在那里还没读过多少书，也没有向读书会负责人透露太多关于你品味的信息。负责人需要为你推荐一本书，但他几乎没有任何可以参考的信息。这就是推荐系统领域中的**“冷启动问题” (Cold-Start Problem)**：当一个新用户几乎没有留下任何数字足迹时，你该如何猜测其喜好？

目前的多数系统试图通过观察你点击了什么（即使只是点击了一两个东西）或者要求你填写个人资料来做出猜测。但如果你点击得很少，或者你不想分享你的个人资料，这些系统往往会失效。由于它们处理的数据量太少，可能会做出极其离谱的猜测。

这篇论文介绍了一种名为 IGDM（意图引导扩散模型，Intent-Guided Diffusion Model）的新型解决方案。以下是它的工作原理，通过类比将其分解为简单的步骤：

1. “隐藏主题的图书馆” (意图提取)

在尝试猜测你具体喜欢什么之前，系统会观察成千上万名已经在系统中活跃了很久的用户。它会注意到其中的规律。

类比： 想象这个系统是一位图书管理员，他注意到那些购买了登山靴、阅读过生存指南并观看过自然纪录片的人，通常都共享一种隐藏的“对户外活动的热爱”。即使他们从未亲口说出“我热爱远足”，他们的行为也揭示了这种意图 (Intent)。
论文的做法： 它根据这些隐藏模式将用户进行聚类，并创建“意图原型 (Intent Prototypes)”。你可以将这些视为用户的原型或“人格类型”（例如：“旅行者”、“美食家”、“科技极客”）。

2. “聪明的媒人” (自适应意图融合)

现在，系统开始观察你——这位新用户。你只点击了一样东西：一张山的图片。

问题： 仅凭一次点击不足以判断你是一个“徒步爱好者”，还是仅仅只是一个“风景爱好者”。
类比： 系统不再仅仅基于那一次点击进行猜测，而是扮演起一个聪明的媒人的角色。它会说：“这位新用户点击了一张山的照片。这看起来非常像我们之前发现的‘徒步爱好者’原型。让我们将你微小的部分数据与‘徒步爱好者’的特征结合起来。”
论文的做法： 它获取你的有限数据，并将其与最匹配你的“意图原型”进行混合。它不仅仅是复制原型，还会进行加权。如果你有 70% 的特征像“徒步爱好者”，30% 的特征像“科技极客”，它就会为你创建一个比单次点击更丰富的混合表示。

3. “去噪过滤器” (意图引导扩散)

即使有了这个混合后的画像，由于你是新用户，你的数据仍然是“多噪”且不完整的。这就像试图通过一个充满静电干扰的收音机听音乐。

类比： 想象你有一张模糊、低分辨率的人脸照片。标准系统可能只会猜测其特征。IGDM 系统则使用了一种扩散模型 (Diffusion Model)。你可以把它想象成一种高科技的照片修复工具。
- 过程： 系统会特意向你的个人画像中添加“静电”（噪声）以观察会发生什么，然后利用“意图匹配”（即徒步爱好者画像）作为引导，逐步去除这些静电。
- 结果： 它会迭代地清理你的画像，去除随机误差，并根据“徒步爱好者”通常的喜好来填补空白。这就像雕刻一座雕像：你从一块粗糙的石块（带噪声的数据）开始，在蓝图（意图）的引导下，不断凿去多余的部分，直到真实的形状（你真实的偏好）显现出来。

为什么这种方法更好 (实验结果)

作者在三个真实世界的数据集（电影、音乐和本地商业评论）上进行了测试。

结论： 当用户数据非常稀缺时（即“严重冷启动”场景），IGDM 的表现始终优于旧方法。
核心要点： 通过利用“群众的智慧”（意图原型）来引导清理过程（扩散），系统可以比那些仅根据新用户提供的微量数据进行猜测的系统，做出更准确的预测。

总结

论文认为，要帮助一个新用户，你不应该仅仅盯着他们微小的足迹。相反，你应该：

识别他们可能属于哪类用户，通过将其与已建立的群体进行对比。
融合他们的少量数据与这些群体模式。
精炼这种融合，利用一种能够消除不确定性的数学过程，从而勾勒出清晰的画面，展现出他们可能想要的东西。

论文得出结论，这种方法在数据匮乏时特别强大，使其成为欢迎新用户加入推荐平台的有力工具。

技术摘要：基于意图引导扩散与自适应意图融合的用户冷启动推荐

1. 问题定义

本文研究了用户冷启动推荐问题，这是推荐系统中的一个基本挑战，即新用户仅有极少的历史交互数据（例如少于 20 次交互）。在这种场景下，行为信号极其稀疏且不完整，导致难以准确建模用户偏好。

现有方法面临特定的局限性：

辅助信息方法： 依赖用户画像或物品属性，但这些信息往往不可用，或受到隐私限制。
元学习方法： 虽然学习了可迁移的知识，但在极端稀疏条件下（即有限的支持交互不足以进行可靠适配时）往往会变得不稳定。
意图感知方法： 通常为具有足够历史记录的序列推荐而设计，无法在几乎没有历史记录的用户身上利用可迁移的意图模式。
基于扩散的方法： 尽管在建模复杂分布方面非常有效，但目前的方法往往忽略了潜在意图信息，限制了其从噪声、稀疏的冷启动数据中恢复可靠偏好的能力。

识别出的核心挑战在于：如何在利用有限的个性化行为的同时，引入可迁移的意图级知识，以补偿稀疏的观测值，并逐步恢复具有偏好一致性的用户表示。

2. 方法论：意图引导扩散模型 (IGDM)

作者提出了 IGDM，这是一个将意图建模与基于扩散的表示精炼相结合的框架。该模型由三个主要部分组成：

A. 意图提取模块

为了捕捉可迁移的偏好模式，模型从现有（非冷启动）用户的历史交互序列中提取潜在意图原型。

用户交互序列被编码为稠密表示。
应用 K-means 聚类根据序列相似性将用户划分为 $K$ 个簇。
每个簇代表一种潜在的意图类型，其意图原型 ( $I_j$ ) 被定义为该簇内用户的平均表示。这些原型作为可迁移的意图先验。

B. 自适应意图融合模块

该模块动态地将冷启动用户的有限行为特征与提取的意图原型进行整合。

计算冷启动用户表示 ( $S_c$ ) 与每个意图原型 ( $I_j$ ) 之间的相似度。
自适应权重： 通过 Softmax 函数生成基于这些相似度的归一化权重 ( $\omega_{cj}$ )，并由温度参数 $\tau$ 控制。
融合表示： 最终的融合表示 ( $z_c$ ) 是用户自身特征与意图原型的加权组合：
$z_c = \alpha S_c + (1 - \alpha) \sum_{j=1}^{K} \omega_{cj} I_j$
这里， $\alpha$ 平衡了个性化特征与意图先验。该机制确保了即使在数据稀疏的情况下，冷启动用户也能获得稳定且具备意图感知的表示。

C. 意图引导扩散模块

融合后的表示 ( $z_c$ ) 作为条件信号，引导扩散过程来精炼用户表示。

前向过程： 在 $T$ 个步骤中，向初始用户表示 ( $S_{c0}$ ) 逐步添加高斯噪声，从而创建一个噪声轨迹。
反向（去噪）过程： 神经网络 ( $\epsilon_\theta$ $ϵ_{θ}$ ) 预测每一步注入的噪声。至关重要的是，这个过程是意图引导的：
- 模型使用无分类器引导 (Classifier-Free Guidance) 来强化条件。它计算带有意图条件 ( $z_c$ ) 的预测噪声与带有空意图向量 ( $z_\emptyset$ ) 的预测噪声之间的加权差值。
- 引导强度由超参数 $w$ 控制。
精炼： 通过迭代去噪，模型恢复出更符合潜在偏好的精炼用户表示，有效地过滤掉了由数据稀疏性引起的噪声。

优化

模型使用结合了以下内容的联合目标函数进行训练：

扩散损失 ( $\mathcal{L}_{diff}$ )： 最小化预测噪声与真实噪声之间的均方误差。
推荐损失 ( $\mathcal{L}_{rec}$ )： 使用贝叶斯个性化排序 (BPR) 损失来优化精炼后的用户表示与物品之间的最终匹配得分。

3. 核心贡献

本文概述了三项主要贡献：

一种新颖的框架： 提出了一个意图引导扩散框架，通过将可迁移的意图建模与基于扩散的表示精炼相结合，在稀疏条件下提升偏好学习效果。
自适应融合机制： 设计了一种机制，根据潜在意图原型与冷启动用户的相关性进行动态加权，从而缓解了由有限观测导致的表示学习不稳定性。
实证验证： 在三个真实数据集（MovieLens-1M, Last.FM, Yelp）上进行了广泛的实验，证明了其相对于代表性基准模型的持续优越性，特别是在高度稀疏的交互设置下。

4. 实验结果

作者将 IGDM 与三类基准模型进行了对比：传统冷启动方法（如 GC-MC, DropoutNet）、元学习方法（如 MeLU, MetaCS）以及序列推荐方法（如 SelfGNN）。

整体性能： 在所有三个数据集上，IGDM 在 Recall@k, NDCG@k 和 MAP@k 指标上始终优于所有基准模型。
稀疏设置下的优势： 在极端的冷启动条件下（例如用户仅有 1–5 次交互），性能提升最为显著。例如，在 MovieLens-1M 数据集上，在 Level 1 冷启动场景中，IGDM 相比于表现最好的基准模型 (ColdNas) 展现了显著的改进。
消融实验： 移除 自适应意图融合 模块或 意图引导 机制都会导致明显的性能下降，证实了这两个组件对于稳定模型和恢复偏好信号都是必不可少的。
超参数敏感性： 模型在扩散步数 ( $T$ ) 为 50 且意图引导权重 ( $w$ ) 为 0.1 时达到最优性能。步数过少无法充分探索潜在空间，而步数过多则会稀释原始信号。
表示质量： t-SNE 可视化表明，与 ColdNas 等基准模型相比，IGDM 生成的用户表示在结构上更加紧凑且具有辨别力，这表明它在保留个体差异的同时，更好地捕捉了潜在相似性。

5. 重要性与声明

本文声称，通过解决数据稀疏性和适配不稳定的双重挑战，IGDM 为用户冷启动推荐提供了一个鲁棒的解决方案。

重要性： 该工作证明，将可迁移的意图先验（从历史数据中学习）与迭代去噪（通过扩散）相结合，可以使系统逐步将噪声、稀疏的用户表示精炼为可靠的偏好估计。
谦逊与局限性： 作者承认目前的框架专门针对用户冷启动，尚未扩展到物品冷启动或双重冷启动设置。他们还指出，如果新用户的偏好模式与历史群体显著不同，意图原型的可迁移性可能会受到限制。此外，基于扩散的精炼过程引入了额外的计算开销，这可能会影响大规模场景下的可扩展性。

总之，本文认为，利用潜在意图结构来引导扩散过程，是克服现有冷启动推荐方法局限性（尤其是在行为数据匮乏的环境下）的一个极具前景的方向。