Diffusion-Based Multi-Agent With Reinforcement Learning for Multimodal-Based Recommendation

Yijun Hu

doi:10.1109/TBDATA.2026.3668564

Diffusion-Based Multi-Agent With Reinforcement Learning for Multimodal-Based Recommendation

2026-02-27

0

PRE

AI

DOI：10.1109/TBDATA.2026.3668564

原文链接

原文求助

摘要

En 中文

基于多模态的推荐系统整合了物品的视觉、文本和听觉模态，以全面捕捉用户偏好，在现代多媒体在线平台中发挥着关键作用。本文提出了一种基于扩散的多智能体强化学习多模态推荐方法（DRMRec）。具体而言，我们的DRMRec首先利用分层扩散多智能体（DMA）来重建用户-物品交互图。随后，这些重建的图与多模态信息融合，形成对比视图。在重建过程中，每个智能体通过跨模态对齐器（CMA）注入多模态信息，使跨模态信息更接近交互嵌入，并促进跨模态对齐。接着，我们引入一种度量感知扩散增强器（MADR），一种强化学习框架，利用验证集推荐指标作为奖励信号，实现智能体的动态和个性化微调，从而主动将模型优化与推荐任务对齐。然后，我们应用跨模态图对比学习对对比视图进行处理，缓解数据稀疏性并进一步增强跨模态对齐。在三个真实多媒体平台数据集上的大量实验表明，DRMRec在基于多模态的推荐中始终优于现有最先进方法。值得注意的是，在TikTok和Sports数据集上，所有三个指标的性能提升均超过10%。

Keyword:

Multimodal-based recommendation

diffusion model

reinforcement learning

multi-agent

Diffusion-Based Multi-Agent With Reinforcement Learning for Multimodal-Based Recommendation

摘要

期刊

机构

引用论文