English(EN) Modality-Aware Identity Construction and Counterfactual Structure Learning for ID-Free Multimodal Recommendation

新的MAIL方法增强了多模态推荐系统

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-18 08:35

研究人员开发了一种名为MAIL（模态感知身份构建和反事实结构学习）的新方法，以改进多模态推荐系统。该方法通过使用多模态语义动态构建内容感知ID表示，并采用反事实结构学习来减轻流行度偏差，从而解决了现有方法的局限性。在五个Amazon数据集上的实验表明，MAIL的Recall@10平均提高了7.81%，NDCG@10平均提高了12.81%，显著优于基线模型。 AI

影响通过利用多模态数据和减轻流行度偏差来提高推荐准确性，有可能增强电子商务平台上的用户体验。

排序理由发表了一篇详细介绍多模态推荐系统新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

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

报道来源 [1]

arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Zheng Wang · 2026-05-18 08:35

Modality-Aware Identity Construction and Counterfactual Structure Learning for ID-Free Multimodal Recommendation

Multimodal recommendation has attracted extensive attention by leveraging heterogeneous modality information to alleviate data sparsity and improve recommendation accuracy. Existing methods have attempted to replace ID embeddings with multimodal features and have achieved promisi…

报道来源 [1]

Modality-Aware Identity Construction and Counterfactual Structure Learning for ID-Free Multimodal Recommendation

相关实体

相关话题