BiVRec：基于双向视图的多模态序列推荐
信息检索
2024-03-06 v2 人工智能
摘要
近年来，将多模态信息整合到序列推荐系统中引起了广泛研究关注。在多模态序列推荐模型的初期阶段，主流范式是以 ID 为主导的推荐，其中多模态信息作为辅助信息进行融合。然而，由于其在可迁移性和信息侵入性方面的局限性，另一种范式应运而生，即直接利用多模态特征进行推荐，从而实现跨数据集推荐。尽管如此，该方法忽略了用户 ID 信息，导致信息利用率低且训练成本高。为此，我们提出了一种创新框架 BiVRec，联合训练 ID 视图和多模态视图下的推荐任务，利用它们的协同关系双向提升推荐性能。为解决信息异构性问题，我们首先构建结构化的用户兴趣表示，然后学习它们之间的协同关系。具体而言，BiVRec 包含三个模块：多尺度兴趣嵌入（Multi-scale Interest Embedding），通过多尺度分块扩展用户交互序列以全面建模用户兴趣；视图内兴趣分解（Intra-View Interest Decomposition），利用精心设计的高斯注意力和聚类注意力构建高度结构化的兴趣表示；以及跨视图兴趣学习（Cross-View Interest Learning），通过粗粒度整体语义相似性和细粒度兴趣分配相似性学习两种推荐视图间的协同关系。BiVRec 在五个数据集上取得了最先进（SOTA）的性能，并展示了多种实际优势。
引用
@article{arxiv.2402.17334,
title = {BiVRec: Bidirectional View-based Multimodal Sequential Recommendation},
author = {Jiaxi Hu and Jingtong Gao and Xiangyu Zhao and Yuehong Hu and Yuxuan Liang and Yiqi Wang and Ming He and Zitao Liu and Hongzhi Yin},
journal= {arXiv preprint arXiv:2402.17334},
year = {2024}
}