.png){kind=icon}
返回
HUMP: Highlighted Users’ Modality Preference for Multi-modal Recommender Systems
.png){kind=icon}
OA
AI
DOI：10.1007/s41019-025-00309-7.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
推荐系统利用数据分析与预测算法向用户推荐相关物品，以提升其在各类数字平台（尤其在电子商务领域）的体验和参与度。为获得满意的物品表示和用户偏好表征，许多现有研究（多模态推荐方法）将多样化数据（如文本和图像）整合到推荐过程中，以增强物品嵌入。然而，这些方法的能力受限，原因如下：(1) 多模态信息利用不足；(2) 多模态融合后，对用户-物品交互的洞察深度和充分性不足，且难以揭示用户模态偏好的更复杂或隐含知识。为解决这些问题，我们提出HUMP模型，该模型强调多模态推荐系统中用户的模态偏好，包含两个关键组件：(1) 用户模态偏好引导的数据融合模块，用于将用户模态偏好整合至用户和物品表征中，以适应推荐场景；(2) 全局表征增强模块，通过用户-物品分层异构图学习融合信息的深层关系并增强表征。在真实数据集上的实验表明，本模型优于当前最优基线方法。
Keyword:
Multi-modal recommendation
Graph convolutional network
Residual network
Multi-modal fusion
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
D
IF:
4.6
论文数:
251
被引数:
665
机构
引用论文
.png){kind=icon}
分享收藏 没有更多内容
没有更多内容