MEGCF：面向个性化推荐的多模态实体图协同过滤
信息检索
2022-10-17 v1
摘要
在大多数电子商务平台中，展示的商品是否能引发用户兴趣很大程度上取决于其最引人注目的多模态内容。因此，越来越多的研究致力于建模多模态用户偏好，当前紧迫的范式是将商品的完整多模态深度特征纳入推荐模块。然而，现有研究忽略了多模态特征提取（MFE）与用户兴趣建模（UIM）之间的不匹配问题。即 MFE 与 UIM 各有侧重。具体而言，MFE 从图像分类等上游任务迁移并适配而来。此外，它主要是一个内容导向且非个性化的过程，而 UIM 更关注理解用户交互，本质上是一个用户导向且个性化的过程。因此，将 MFE 直接纳入面向纯用户任务的 UIM，往往引入大量与偏好无关的多模态噪声，并污染 UIM 中的嵌入表示。本文旨在解决 MFE 与 UIM 之间的不匹配问题，从而生成高质量嵌入表示并更好地建模多模态用户偏好。为此，我们提出了一种新模型 MEGCF。所提模型的 UIM 捕捉交互与从 MFE 获得的特征之间的语义相关性，从而使 MFE 与 UIM 更好匹配。更确切地说，首先从多模态数据中提取语义丰富的实体，因为它们比其他多模态信息更与用户偏好相关。然后将这些实体整合进用户-物品交互图。之后，构建一个对称线性图卷积网络（GCN）模块在图上进行消息传播，以捕捉高阶语义相关性与协同过滤信号。
引用
@article{arxiv.2210.07443,
title = {MEGCF: Multimodal Entity Graph Collaborative Filtering for Personalized Recommendation},
author = {Kang Liu and Feng Xue and Dan Guo and Le Wu and Shujie Li and Richang Hong},
journal= {arXiv preprint arXiv:2210.07443},
year = {2022}
}