基于对比学习去噪的多模态序列推荐器
信息检索
2023-05-04 v1 多媒体
摘要
在推荐系统中利用多模态数据对用户进行准确建模的研究兴趣正在快速增长。现有多媒体推荐器通过融合多种模态和设计精细模块取得了实质性改进。然而，当用户决定与物品交互时，大多数人并不会完整阅读所有模态的内容。我们将直接引发用户行为的模态称为兴趣点，它们是捕捉用户兴趣的重要方面。相反，未引发用户行为的模态是潜在噪声，可能会误导推荐模型的学习。毫不意外，由于无法获取用户对其兴趣点的显式反馈，文献中鲜有研究致力于去除此类潜在噪声。为弥补这一差距，我们提出一种基于对比学习的弱监督框架用于多模态推荐器去噪（称为 Demure）。Demure 以弱监督方式规避了对用户显式反馈的需求，并通过分析给定用户所有交互物品的模态来识别噪声。
引用
@article{arxiv.2305.01915,
title = {Denoising Multi-modal Sequential Recommenders with Contrastive Learning},
author = {Dong Yao and Shengyu Zhang and Zhou Zhao and Jieming Zhu and Wenqiao Zhang and Rui Zhang and Xiaofei He and Fei Wu},
journal= {arXiv preprint arXiv:2305.01915},
year = {2023}
}