研究人员开发了IIMRec，一个用于多模态推荐系统的新框架，它构建了一个单一的、高质量的项-项图。该图使用邻域一致性边重加权（NCER）进行精炼，以放大可靠连接并抑制虚假连接。然后，IIMRec在三个阶段重复使用此图：通过残差II门（RIG）进行表示增强，通过内容引导扩展进行交互图增强，以及通过II-Neighbor BPR增强（INA）进行优化增强。实验表明，IIMRec的性能优于现有方法，尤其是在冷启动和稀疏交互场景下，同时速度更快、内存效率更高。 AI
影响 该框架可以提高推荐系统的准确性和效率，尤其是在用户数据有限的场景下。
排序理由 该项目是一篇在arXiv上发表的研究论文，详细介绍了一种新的推荐系统框架。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- IIMRec
- II-Neighbor BPR Augmentation
- Litmaps
- Neighborhood Consistency Edge Reweighting
- Residual II Gate
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
