通过多模态深度学习形式化多媒体推荐
信息检索
2024-04-30 v2
摘要
推荐系统（RS）在在线平台上提供个性化导航体验，但推荐仍是一项具挑战性的任务，尤其在特定场景与领域中。多模态有助于挖掘更丰富的信息源，并构建更精细的用户/物品画像以用于推荐。然而，现有文献缺乏一种通过多模态视角建模与求解推荐问题的共享通用模式。本工作旨在形式化一种面向多媒体推荐的通用多模态模式。它全面综述了过去八年多媒体推荐的多模态方法，勾勒出多模态流水线的理论基础，并通过将其应用于若干最先进方法以论证其合理性。该工作还在 Elliot（一个严谨的推荐系统评估框架）内对近期多媒体推荐算法进行了基准分析。主要目标是为设计与实现下一代多媒体推荐中的多模态方法提供指南。
引用
@article{arxiv.2309.05273,
title = {Formalizing Multimedia Recommendation through Multimodal Deep Learning},
author = {Daniele Malitesta and Giandomenico Cornacchia and Claudio Pomo and Felice Antonio Merra and Tommaso Di Noia and Eugenio Di Sciascio},
journal= {arXiv preprint arXiv:2309.05273},
year = {2024}
}
备注
Accepted in the Special Issue on Knowledge Transferring for Recommender Systems (KT4Rec) in ACM Transactions on Recommender Systems