BeFA：一种面向多媒体推荐的通用行为驱动特征适配器

多媒体推荐系统侧重于利用行为信息和内容信息来建模用户偏好。通常，它使用预训练的特征编码器提取内容特征，然后将其与行为特征融合。然而，预训练的特征编码器通常同时从整个内容中提取特征，包括过多的与偏好无关的细节。我们推测这可能导致提取的特征不包含足够准确反映用户偏好的特征。为了验证我们的假设，我们引入了一种归因分析方法，用于直观地分析内容特征。结果表明，某些产品的内容特征表现出信息漂移和信息遗漏的问题，降低了特征的表达能力。基于这一发现，我们提出了一种有效且通用的行为驱动特征适配器（BeFA）来解决这些问题。该适配器在行为信息的指导下重建内容特征，使内容特征能够准确反映用户偏好。大量实验证明了该适配器在所有多媒体推荐方法中的有效性。我们的代码已在 https://github.com/fqldom/BeFA 上公开。