.png){kind=icon}
返回
Prototype learning based hierarchical decoupling for multimodal recommendation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.130763.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多模态推荐系统利用文本和图像等异构信息来增强用户兴趣建模，已成为在线服务的核心组件。一种常见范式是通过编码器提取多模态特征，并将其集成到协同过滤（CF）框架中。然而，该集成过程存在多级耦合问题：（1）跨路径耦合（协同路径和模态路径之间强制共享用户ID嵌入，导致噪声传播并扭曲偏好学习）；（2）跨模态冗余耦合（跨模态的广泛冗余信息掩盖了判别性知识，导致特定于模态的关键信息碎片化）。
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
A multi-message passing framework based on heterogeneous graphs in conversational emotion recognition会话情感识别中基于异构图的多消息传递框架.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Automatic Depression Recognition With an Ensemble of Multimodal Spatio-Temporal Routing Features
PREAI
分享收藏IBPL: Information Bottleneck-based Prompt Learning for graph out-of-distribution detectionIBPL：基于信息瓶颈的提示学习用于图分布外检测NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏Flow2GNN: Flexible Two-Way Flow Message Passing for Enhancing GNNs Beyond HomophilyFlow2GNN: 灵活的双向流消息传递，用于增强gnn超越同质
PREAI
分享收藏
查看更多内容