.png){kind=icon}
返回
Graph attention contrastive learning with missing modality for multimodal recommendation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.113035.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多模态推荐在许多在线内容共享平台中发挥着重要作用。现有的大多数多模态推荐方法采用用户交互图或辅助图（例如用户-用户或物品-物品关系图）来增强用户和/或物品表示。然而，现实世界的数据存在缺失模态的问题，这影响了推荐性能。在本文中，我们提出了一个处理缺失模态的图注意力对比学习（MMGACL）模型，利用模态感知用户-物品图中的模态补充和模态融合来增强推荐效果。具体而言，我们为每种模态构建用户-物品二部图并提取物品子图，利用上下文信息来增强物品表示。随后，我们采用双模态注意力机制以提供跨模态的互补信息并融合不同模态。融合后的物品表示与用户-物品交互相结合，以补充用户信息。最后，我们在完整的全局图上执行图对比学习，以最大化用户与物品之间的互信息并学习更精确的嵌入表示。在四个基准数据集上的大量实验证明了我们提出的模型在存在缺失模态的场景下相对于几种最先进方法的有效性能。
Keyword:
Multimodal recommendation
Missing modality
Contrastive learning
Graph neural network
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
暂无机构信息
引用论文
A Multimodal Latent-Features-Based Service Recommendation System for the Social Internet of Things
OAAI
OAAI分享收藏Single-Stage Extensive Semantic Fusion for multi-modal sarcasm detection单阶段广泛语义融合的多模态讽刺检测.png)
Array
OAAI
ArrayIF0
OAAI分享收藏
查看更多内容