论文
登录后可查看剩余解析次数。
标签筛选
多模态推荐系统
Modality Alignment with Multi-scale Bilateral Attention for Multimodal Recommendation
发表：2025/9/11
多模态推荐系统细粒度跨模态关联建模双向注意力机制全局分布一致性约束Dilated Refinement Attention Module
本研究提出了MambaRec，一个新颖的多模态推荐框架，通过注意力引导学习整合局部特征对齐与全局分布正则化，旨在解决细粒度跨模态关联建模不足和全局一致性不足的挑战。核心贡献在于引入了膨胀精炼注意力模块，显著提升了融合质量和鲁棒性，并在多个真实世界数据集上表现出色。
03
Curriculum Conditioned Diffusion for Multimodal Recommendation
发表：2025/4/11
多模态推荐系统扩散模型基于负样本的知识采样课程学习框架多模态对齐模块
提出了一种课程条件扩散框架CCDRec，用于解决多模态推荐中的数据稀疏问题。该框架通过扩散模型整合了逆向阶段与负采样，有效挖掘多模态之间的相关性，提升推荐系统的个性化能力，且在多个数据集上验证了其有效性与鲁棒性。
01
UNGER: Generative Recommendation with A Unified Code via Semantic and Collaborative Integration
发表：2025/10/28
生成式推荐系统基于知识图谱的推荐系统个性化推荐系统多模态推荐系统在线推荐系统优化
本文提出了UNGER，一种通过将语义和协作信息整合为统一代码的生成式推荐方法，旨在解决信息过载问题及现有系统编码冗余的挑战。采用两阶段框架，该模型有效构建了可学习的模态适应层以优化编码过程，显著降低了存储与推理成本。研究发现，这种新方法不仅提高了推荐系统的效率，还充分利用了不同模态间的互补优势，为推荐系统的大规模部署提供了可行性。
06
Modality-Independent Graph Neural Networks with Global Transformers for
Multimodal Recommendation
发表：2024/12/19
多模态推荐系统图神经网络模态独立感受野全局Transformer用户-物品图建模
本研究提出了一种具有模态独立感受野的图神经网络（GNN），通过为不同模态采用独立的GNN以增强多模态推荐性能。引入的基于采样的全局变压器有效整合了全局信息，改善了现有方法的局限性。实验结果表明，本方法在各种数据集上优于现有技术。
12
Multimodal fusion framework based on knowledge graph for personalized recommendation
发表：2025/1/1
基于知识图谱的推荐系统多模态推荐系统多模态融合框架个性化推荐
本文针对现有多模态知识图谱推荐系统忽视模态交互问题，提出MultiKG4Rec框架，通过细粒度模态融合模块挖掘用户偏好。模型在真实数据上验证了高效性，实现了更精准的个性化推荐。
09
Knowledge graph-based personalized multimodal recommendation fusion framework
发表：2025/1/1
基于知识图谱的推荐系统多模态推荐系统跨模态多头交叉注意力图注意力网络视觉文本预训练模型
提出了一种基于知识图谱和多模态数据融合的个性化推荐框架CrossGMMIDUKGLR，利用视觉文本对齐预训练模型提取特征，通过多头交叉注意力实现细粒度模态融合，并借助图注意力网络传播高阶邻接信息，提升推荐的准确性和解释性。
06
DiffCL: A Diffusion-Based Contrastive Learning Framework with Semantic
Alignment for Multimodal Recommendations
发表：2025/1/2
多模态推荐系统扩散模型对比学习框架语义对齐图结构特征增强
本文提出DiffCL，一种基于扩散模型的多模态推荐对比学习框架。其通过扩散生成对比视图减少噪声，利用稳定的ID嵌入实现跨模态语义对齐，并引入物品物品图缓解数据稀疏性，显著提升推荐性能。
01