SIGIR‘22|SGDL：自引导的隐式反馈去噪推荐

Self-Guided Learning to Denoise for Robust Recommendation

公众号： Intelligent Computing Lab

Title： Self-Guided Learning to Denoise for Robust Recommendation
Link：https://arxiv.53yu.com/pdf/2204.06832.pdf
Code：https://github.com/Scottdyt/SGDL
From：SIGIR 2022

1.核心思想

1. 以往的去噪方式，容易在去除噪声的时候，一并把hard sample给删除（比如我记得何向南有一篇去噪的文章，将计算loss时梯度大的样本认为是噪声，但它也有可能是决策边界的样本）。亦或者他们的方法需要人为的找一些合适的参数，不够自适应。

2. 那么本文的方法是：a.记录模型的记忆，让模型保留干净的信息。b.用模型的记忆，给予不同的样本不同loss权重。（那么为什么这种方法可以保留困难样本呢？）

3. 文章用