STAIR：操纵协同与多模态信息用于电子商务推荐
信息检索
2024-12-17 v1
摘要
虽然模态挖掘是大多数多模态推荐方法的焦点，但我们认为如何充分利用协同信息和多模态信息在电子商务场景中至关重要，正如本工作所阐明的，用户行为很少完全由多模态特征决定。为了结合这两种不同类型的信息，遇到了一些额外挑战：1) 模态擦除：在协同过滤中非常有效的普通图卷积却会擦除多模态信息；2) 模态遗忘：由于推荐损失本质上促进协同信息的学习，多模态信息往往逐渐被遗忘。为此，我们提出了一种名为STAIR的新方法，它采用新颖的逐步图卷积，使得协同信息和多模态信息在电子商务推荐中共存。此外，它以原始多模态特征作为初始化，通过约束嵌入更新可以显著缓解遗忘问题。因此，STAIR在三个公开电子商务数据集上以最小的计算和内存成本实现了最先进的推荐性能。我们的代码可在 https://github.com/yhhe2004/STAIR 获取。
引用
@article{arxiv.2412.11729,
title = {STAIR: Manipulating Collaborative and Multimodal Information for E-Commerce Recommendation},
author = {Cong Xu and Yunhang He and Jun Wang and Wei Zhang},
journal= {arXiv preprint arXiv:2412.11729},
year = {2024}
}
备注
Accepted at AAAI 2025