从原始特征到有效嵌入：多模态食谱推荐的三阶段方法
机器学习
2026-04-23 v3 信息检索
摘要
食谱推荐已成为基于网页的食品平台中的重要任务。核心挑战在于有效地利用用户-食谱交互之外的丰富多模态特征。我们的分析表明，即使仅简单地运用多模态信号，也能获得竞争性能，这表明系统性地增强这些信号具有巨大的潜力。我们提出了TESMR，这是一个用于食谱推荐的3阶段框架，通过三个步骤逐步将原始多模态特征细化为有效嵌入：(1) 使用具备多模态理解能力的基础模型进行内容增强；(2) 通过用户-食谱交互上的消息传递进行关系增强；(3) 通过可学习嵌入的对比学习进行学习增强。在两个真实数据集上的实验表明，TESMR优于现有方法，Recall@10提升7-15%。
引用
@article{arxiv.2511.19176,
title = {From Raw Features to Effective Embeddings: A Three-Stage Approach for Multimodal Recipe Recommendation},
author = {Jeeho Shin and Kyungho Kim and Kijung Shin},
journal= {arXiv preprint arXiv:2511.19176},
year = {2026}
}