面向兼容性与个性化的混合层次时尚图注意力网络

时尚行业的快速扩张和产品种类的日益丰富，使得用户在电子商务平台上识别兼容物品变得日益具有挑战性。因此，有效的时尚推荐系统对于过滤无关选项并提供合适选项至关重要。然而，如何同时解决服装搭配与个性化推荐的问题，一直是现有研究面临的重大挑战，因为这些方面通常在现有研究中独立处理，忽略了物品之间及用户偏好的复杂相互作用。本研究引入了新的框架 FGAT，利用层次图表示结合图注意力机制来解决此问题。该框架构建了用户、服装组合与物品三层图，集成视觉与文本特征，以联合建模服装搭配与用户偏好。通过在表示传播期间动态加权节点重要性，图注意力机制捕获关键相互作用，为用户偏好和服装搭配生成精确嵌入。在 POG 数据集上进行评估，FGAT 在准确率、精确率、HR、召回率和 NDCG 等指标上均显著优于诸如 HFGN 等强基准。这些结果表明，将多模态视觉与文本特征与层次图结构和注意力机制相结合，显著提升了个性化时尚推荐系统的有效性和效率。