融合多模态与行为序列条件引导的高效扩散推荐模型

摘要

针对现有扩散模型在行为序列与多模态信息协同建模方面的不足，提出一种融合多模态与行为序列条件引导的高效扩散推荐模型。首先，设计了一种高效线性注意力机制，能在保持模型表达能力的同时将降低计算复杂度。其次，提出一个多模态协同引导框架，利用线性注意力提取的序列模式作为隐式条件，并结合跨模态融合网络学习的视觉-文本联合特征作为显式条件，共同优化扩散过程以生成更精准的项目表示。在2个公开数据集上进行的广泛实验表明，所提模型在召回率和归一化折扣累计收益等指标上均优于现有的推荐模型，尤其在处理长期序列推荐任务时展现出卓越的计算效率和性能优势。

关键词

序列推荐 / 多模态 / 扩散模型 / 隐式条件 / 显式条件