CIRP：面向多模态产品捆绑的跨项目关系预训练
信息检索
2024-04-03 v1 多媒体
摘要
产品捆绑是一种在线购物场景中具有积极作用的主流营销策略。有效的产品捆绑方法依赖于高质量的物品表示，这需要捕获单个物品的语义以及跨物品关系。然而，之前的物品表示学习方法，无论是特征融合还是图学习，都存在跨模态对齐不足的问题，难以捕获冷启动物品的跨物品关系。多模态预训练模型可能是解决方案，鉴于其在各种多模态下游任务上的优异性能。然而，当前的多模态预训练模型中缺乏对跨物品关系的探索。为弥合这一差距，我们提出一种新颖且简单的方法，用于产品捆绑中的物品表示学习——跨项目关系预训练（CIRP）。具体而言，我们采用多模态编码器生成图像和文本表示。然后我们利用跨物品对比损失（CIC）和单个物品的图像-文本对比损失（ITC）作为预训练目标。我们的方法旨在将跨物品关系建模能力集成到多模态编码器中，同时保持深入的多模态语义对齐。因此，即使对于没有关系的冷启动物品，其表示仍然是关系感知的。此外，为消除潜在噪声并降低计算成本，我们采用关系修剪模块删除噪声和冗余关系。我们将CIRP提取的物品表示应用于产品捆绑模型ItemKNN，在三个电子商务数据集上进行实验，证明CIRP在各种领先的表示学习方法上均表现出色。
引用
@article{arxiv.2404.01735,
title = {CIRP: Cross-Item Relational Pre-training for Multimodal Product Bundling},
author = {Yunshan Ma and Yingzhi He and Wenjun Zhong and Xiang Wang and Roger Zimmermann and Tat-Seng Chua},
journal= {arXiv preprint arXiv:2404.01735},
year = {2024}
}
备注
arXiv preprint, 10 pages, 4 figures, 6 tables