VI-MMRec：基于相似性的无训练成本虚拟用户-物品交互多模态推荐
信息检索
2025-12-10 v1
摘要
尽管已存在的多模态推荐模型显示出良好的性能，但其有效性仍受到 pervasive 稀疏数据问题的限制。这一问题源于用户通常仅与可用物品的子集进行交互，导致现有模型将未观察到的物品任意地视为负样本。为此，我们提出了 VI-MMRec，一个模型中性且无训练成本的框架，通过相似性感知的虚拟用户-物品交互来丰富稀疏的用户-物品交互。这些虚拟交互是基于用户交互物品的模态特定特征相似性构建的。具体而言，VI-MMRec 引入两种不同策略：(1) Overlay，该策略独立聚合模态特定相似性，以保留模态特定的用户偏好；(2) Synergistic，该策略整体融合跨模态相似性，以捕捉互补的用户偏好。为确保高质量的增强，我们设计了一个在数据集特定模态相关性基础上对虚拟用户-物品交互进行自适应权重分配的统计感知机制。作为一个即插即用的框架，VI-MMRec 无需修改其核心架构即可无缝集成到现有模型中，以增强其性能。其灵活性使其可以轻松集成到各种现有模型中，以最小的实现 effort 实现最佳性能。此外，VI-MMRec 在训练期间不引入额外开销，使其在实际部署方面具有显著优势。对六个真实世界数据集上使用七个最先进的多模态推荐模型进行的全面实验验证了我们 VI-MMRec 的有效性。
引用
@article{arxiv.2512.08702,
title = {VI-MMRec: Similarity-Aware Training Cost-free Virtual User-Item Interactions for Multimodal Recommendation},
author = {Jinfeng Xu and Zheyu Chen and Shuo Yang and Jinze Li and Zitong Wan and Hewei Wang and Weijie Liu and Yijie Li and Edith C. H. Ngai},
journal= {arXiv preprint arXiv:2512.08702},
year = {2025}
}
备注
Accepted by KDD 2026