CROSS: Feedback-Oriented Multi-Modal Dynamic Alignment in Recommendation Systems

Li, Yang

doi:10.1145/3734527

CROSS: Feedback-Oriented Multi-Modal Dynamic Alignment in Recommendation Systems

2026-03-01

1

PRE

AI

DOI：10.1145/3734527

原文求助

摘要

En 中文

在多模态推荐系统中，对齐多模态内容与ID嵌入至关重要。现有解决方案通常采用双向对齐范式。我们先前的工作FETTLE通过在物品级别提出单向方向对齐来挑战这一范式，从而减少低质量模态的负面影响。然而，FETTLE留下了两个开放性问题：(1)何时单向方向对齐最优，以及(2)如何融入协同信号以增强对齐？我们提出CROSS（面向反馈的多模态对齐推荐系统），一个可即插即用的框架，通过引入三项主要改进扩展了FETTLE。首先，我们引入动态物品级对齐，通过基于方差的补偿机制动态调整每个模态的强度，缓解训练初期掩盖较弱模态的风险。其次，我们开发多粒度协同对齐，引入基于具有相似用户反馈概要的邻近物品的中粒度对齐策略。这种邻居级对齐有效平衡了嘈杂的用户交互和物品间的过度平滑。最后，我们在更多真实数据集上进行广泛实验，表明CROSS显著提升了协同过滤（CF）模型和多模态推荐（MRS）方法的表现，在CF骨干网络上平均提升21.52%-70.78%，在MRS骨干网络上提升8.70%-20.73%。与FETTLE相比，CROSS实现了3.82%-5.24%的额外提升。

Keyword:

Recommender systems

multi-modal recommendation

multi-modality alignment

CROSS: Feedback-Oriented Multi-Modal Dynamic Alignment in Recommendation Systems

摘要

期刊

机构

引用论文