DRARec: diffusion-based representation augmentation for multimodal recommendation

Lingfeng Liu

doi:10.1007/s00530-026-02622-1

DRARec: diffusion-based representation augmentation for multimodal recommendation

2026-09-06

0

PRE

AI

DOI：10.1007/s00530-026-02622-1

原文链接

原文求助

摘要

En 中文

多模态推荐系统将多模态信息融入用户和物品特征表示中，并利用多模态信息缓解数据稀疏性问题。然而，现有研究面临两个关键挑战。首先，基于图卷积网络（GCN）的大多数方法直接利用多模态特征，这可能引入与用户偏好无关的噪声信息。其次，现有的扩散基方法主要关注交互建模或图结构增强，这不可避免地会添加新的噪声边（例如引入虚假的用户-物品交互）。尽管这些方法取得了显著成功，但上述噪声可能在GCN的消息传播中被放大，影响最终的多模态表示。为解决这些挑战，我们提出了一种新颖的基于扩散的表示增强多模态推荐（DRARec）方法。具体而言，为减轻不同模态间噪声信息的负面影响，我们引入了一种行为感知注入机制。它首先将行为模态信息注入所有内容模态嵌入中，将它们对齐到偏好相关的语义空间，然后采用注意力模块增强特征判别性。此外，为避免噪声边的负面影响，我们提出了一种基于扩散的模态表示增强策略。它直接优化各模态的语义特征以增强特征的鲁棒性。在三个公开数据集上的广泛实验证明了DRARec的优越性和有效性。

Keyword:

Multimodal recommendation systems

Representation augmentation

Diffusion models

DRARec: diffusion-based representation augmentation for multimodal recommendation

摘要

期刊

机构