面向生成式推荐的多模态定量语言
信息检索
2025-04-09 v1 人工智能
计算与语言
摘要
生成式推荐已成为一种旨在直接生成目标候选标识符的有前景范式。大多数现有方法试图利用预训练语言模型（PLM）中嵌入的先验知识以提高推荐性能。然而，这些方法往往无法适配预训练语言模型中所包含的通用语言知识与推荐系统具体需求之间的差异。此外，这些方法很少考虑项目多模态信息之间的互补知识，这些信息代表了用户多方面偏好的表示。为促进高效的推荐知识传递，我们提出一种新方法：面向生成式推荐的多模态定量语言（MQL4GRec）。我们的核心思想是将来自不同领域和模态的项目转换为统一语言，可作为在不同领域和模态之间传递推荐知识的桥梁。具体而言，我们首先引入定量翻译器，将来自 various 领域的文本和图像内容转换为一种新型且简洁的语言，即定量语言，所有项目共享相同的词汇表。随后，我们设计一系列定量语言生成任务，以丰富定量语言的语义信息和先验知识。最后，通过预训练和微调，我们实现了来自不同领域和模态的推荐知识向推荐任务的传递。我们通过大规模实验与现有方法进行比较，评估了 MQL4GRec 的有效性，在三个不同数据集的 NDCG 指标上分别实现了 11.18%、14.82% 和 7.95% 的提升。
引用
@article{arxiv.2504.05314,
title = {Multimodal Quantitative Language for Generative Recommendation},
author = {Jianyang Zhai and Zi-Feng Mai and Chang-Dong Wang and Feidiao Yang and Xiawu Zheng and Hui Li and Yonghong Tian},
journal= {arXiv preprint arXiv:2504.05314},
year = {2025}
}