基于用户生成多模态内容的可信序列推荐系统 TruthSR
信息检索
2024-04-29 v1
摘要
序列推荐系统从用户历史生成的数据中探索用户的偏好和行为模式。最近，研究人员致力于利用如评论、图像等大量用户生成的多模态内容来提高序列推荐效果。这种内容常常包含不可避免的噪声。一些研究尝试通过抑制跨模态不一致信息来减少噪声干扰。然而，这可能会限制对用户个性化偏好的捕获。此外，几乎不可能完全消除来自多样化用户生成多模态内容中的噪声。为解决这些问题，我们提出了一种通过噪声用户生成的多模态内容实现可信序列推荐的方法。具体而言，我们显式地捕获用户生成的多模态内容的一致性和互补性，以减轻噪声干扰。我们还实现了对用户多模态序列偏好的建模。此外，我们设计了一个可信决策机制，将主观用户视角与客观物品视角集成，动态评估预测结果的不确定性。在四个广泛使用的数据集上的实验评估显示，我们的方法在性能上优于最先进的方法。代码已发布于 https://github.com/FairyMeng/TrustSR。
引用
@article{arxiv.2404.17238,
title = {TruthSR: Trustworthy Sequential Recommender Systems via User-generated Multimodal Content},
author = {Meng Yan and Haibin Huang and Ying Liu and Juan Zhao and Xiyue Gao and Cai Xu and Ziyu Guan and Wei Zhao},
journal= {arXiv preprint arXiv:2404.17238},
year = {2024}
}