MDE：多模态推荐中的模态判别增强
信息检索
2025-02-27 v1 人工智能
摘要
多模态推荐系统旨在通过整合各模态中物品的内容特征与用户行为数据来提升性能。有效利用来自不同模态的特征需要解决两个挑战：保留跨模态的语义共性（模态共享）以及捕获每个模态的独特特征（模态特定）。大多数现有方法侧重于跨模态特征空间的对齐，这有助于表示模态共享特征。然而，模态特定的差异往往被忽视，尤其是在模态之间存在显著语义差异时。为此，我们提出一种模态差异性增强（Modality Distinctiveness Enhancement, MDE）框架，优先提取模态特定信息以提高推荐准确度，同时保持共享特征。MDE 通过一种新型多模态融合模块增强模态间的差异，并引入节点级权衡机制以平衡跨模态对齐与差异化。广泛的实验表明，该方法在三个公开数据集上显著优于其他领先方法，证明了同时考虑模态共享与模态特定特征的有效性。
引用
@article{arxiv.2502.18481,
title = {MDE: Modality Discrimination Enhancement for Multi-modal Recommendation},
author = {Hang Zhou and Yucheng Wang and Huijing Zhan},
journal= {arXiv preprint arXiv:2502.18481},
year = {2025}
}