新的DDMSR框架解决了多模态推荐中的噪声问题

研究人员开发了一个名为DDMSR的新框架，以解决多模态序列推荐系统中的双重噪声困境。该框架旨在通过在特征和序列层面净化信号来提高推荐准确性。它利用基于图的特征去噪（通过拉普拉斯平滑）和采用快速傅里叶变换（FFT）的频域序列去噪模块来过滤掉不相关或异常的数据。此外，多模态对比对齐目标确保了跨模态的一致性，实验表明DDMSR在基准数据集上的表现优于现有方法。 AI

影响 这项研究通过有效处理噪声数据，有望带来更准确、更鲁棒的推荐系统。

排序理由 该条目是一篇学术论文，详细介绍了一种新的多模态序列推荐框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• DDMSR
• fast Fourier transform
• Gotit.pub
• Hugging Face
• Laplacian smoothing
• multi-modal contrastive alignment
• multi-modal sequential recommendation
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →