基于模态引导的图专家混合网络与熵触发路由用于多模态推荐

多模态推荐通过整合用户-物品交互与物品内容来提升排序效果，尤其在稀疏反馈和长尾分布场景中表现突出。然而，多模态信号本质上具有异构性，在特定情境下可能产生冲突，这使得有效融合既至关重要又充满挑战。现有方法常依赖共享的融合路径，导致表征被纠缠和模态不平衡。为此，我们提出了MAGNET（Modality-Guided Mixture of Adaptive Graph Experts Network with Progressive Entropy-Triggered Routing for Multimodal Recommendation），即一种具备可控性、稳定性和可解释性的多模态融合框架。MAGNET将交互条件驱动的专家路由与结构感知的图增强相结合，使“融合什么”和“如何融合”均可被显式控制且具备可解释性。在表征层面，双视图图学习模块通过内容诱导的边扩展交互图，既提高了稀疏和长尾物品的覆盖率，又通过并行编码和轻量级融合保留了协同结构。在融合层面，MAGNET采用具有明确模态角色（支配型、平衡型、补充型）的结构化专家，实现对行为、视觉和文本线索的更具可解释性和适应性的组合。为进一步稳定稀疏路由并防止专家崩溃，我们引入两种熵加权机制，通过监控路由熵实现自动训练阶段的切换：从早期覆盖导向的训练 regime 过渡到后期专精导向的训练 regime，逐步平衡专家利用率与路由置信度。大量实验表明，在公开基准数据集上，MAGNET consistently 超越了强基线。