ACM MM2024@Oral | DiffMM: 当多模态推荐遇上Diffusion Model

文章预览

嘿，记得给“ 机器学习与推荐算法 ”添加 星标 TLDR: 随着在线多模态社交平台以及流媒体的蓬勃发展,推荐系统的目标也从单一模态信息(如新闻文本推荐)转向视觉、文本和音频等多模态信息。多模态推荐系统旨在建模用户在不同模态上的偏好,以获得更准确的用户表示。然而,数据稀疏问题一直困扰着推荐系统。为应对这一挑战,近期研究引入自监督学习和图神经网络等方法来增强推荐系统的性能。现有自监督学习方法通常依赖简单的随机增强或直接的跨视图信息一致性,可能会引入无关噪声。此外,多模态推荐系统通常采用简单的模态相似度计算方法构建多模态感知图,难以精确地将多模态上下文与用户-物品交互进行匹配。 为解决这些问题,作者提出了一种基于多模态图扩散的新颖推荐模型,称为DiffMM。该方法利用扩散模型生成模态感知图,并采用跨模态 ………………………………