双图记：面向多模态推荐的图结构冻结与去噪

利用多模态特征（如图像和文本描述）的多模态推荐系统通常比仅基于用户-物品交互的通用推荐模型表现出更好的推荐精度。一般而言，先前工作将多模态特征融合到物品 ID 嵌入中以丰富物品表示，从而未能捕捉潜在的语义物品-物品结构。在此背景下，LATTICE 提出显式地学习物品间的潜在结构，并在多模态推荐上取得了最先进的性能。然而，我们认为 LATTICE 的潜在图结构学习既低效又不必要。通过实验，我们证明在训练前冻结其物品-物品结构同样能获得具有竞争力的性能。基于这一发现，我们提出了一个简单而有效的模型，称为 FREEDOM，它同时冻结物品-物品图并对用户-物品交互图进行去噪（FREEze item-item graph and DenOise user-item interaction graph for Multimodal recommendation）。理论上，我们通过图谱视角审视 FREEDOM 的设计，并证明其在图谱上拥有更紧的上界。在对用户-物品交互图去噪时，我们设计了一种度敏感的边剪枝方法，在图采样时以高概率剔除可能含噪的边。我们在三个真实世界数据集上评估所提模型，结果表明 FREEDOM 能显著优于当前最强的基线。与 LATTICE 相比，FREEDOM 在推荐精度上平均提升 19.07%，同时在大型图上将其内存开销降低至多 6$\times$。源代码见：https://github.com/enoche/FREEDOM。