DualGCN双分支图蒸馏框架提出

Yuanfeng Qiu 等人提交论文，提出名为 DualGCN 的双分支图知识蒸馏框架，用于缓解严格冷启动推荐中的表征坍塌问题。该框架采用解耦的两阶段训练：先用拓扑平滑的语义先验构建协同教师网络，再以残差映射和余弦蒸馏目标对齐语义学生分支，并用动态范数重建校准新老物品的尺度。 作者称，在三个真实基准数据集上，DualGCN 在严格冷启动场景下显著优于现有最优基线，同时保持活跃物品的推荐精度。上述效果为论文中的报告结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。