语义图增强与自适应特征补全的多模态推荐

摘要

提出了一种集成高阶语义增强与自适应模态特征的多模态推荐（MMSAF）模型，通过该模型中所采用的图卷积神经网络（graph convolutional neural network,GCNN）进行高阶语义增强，以捕捉用户和项目之间更深层次的关联关系，从而更精准地反映用户的复杂兴趣偏好，并验证了该模型的有效性和适用性.引入自适应模态融合机制，依据各模态在不同场景下的相对重要性，动态调整模态特征的权重，以灵活适应多样化的用户偏好.结果表明，MMSAF在多个基准数据集上显著优于现有主流方法，在推荐精度和泛化性方面表现出色.

关键词

多模态推荐 / 图神经网络 / 自适应 / 特征融合 / 高阶关系建模 / 语义增强

基金资助

中央高校基本科研业务费专项资金资助项目（2024QNYL07）; 海南省自然科学基金重点研发计划资助项目（ZDYF2024(LALH)-005）; 北京市科学计划资助项目（Z231100001723002）