MMGRec：基于Transformer模型的多模态生成推荐系统

《ACM Transactions on Multimedia Computing, Communications, and Applications》：MMGRec: Multimodal Generative Recommendation with Transformer Model

　　

摘要AI摘要

要查看此AI生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

)

摘要

多模态推荐旨在根据用户历史交互项和相关多模态信息，推荐用户偏好的候选项。以往的研究通常采用嵌入与检索范式：在同一嵌入空间中学习用户和物品的表示，然后通过嵌入内积来检索类似的候选项。然而，这种范式存在推理成本、交互建模和假阴性问题。为此，我们提出了一种新的MMGRec模型，将生成范式引入多模态推荐中。具体来说，我们首先设计了一种分层量化方法Graph RQ-VAE，根据每个物品的多模态和协同过滤（CF）信息为其分配Rec-ID。Rec-ID由一组语义上有意义的符号组成，作为每个物品的唯一标识符。之后，我们训练一个基于Transformer的推荐系统，根据历史交互序列生成用户偏好物品的Rec-ID。这种生成范式是有效的，因为该模型以自回归的方式系统地预测识别推荐物品的符号组合。此外，我们为Transformer设计了基于关系的自注意力机制，以处理非顺序交互序列，通过探索元素之间的成对关系来替代绝对位置编码。大量实验评估了MMGRec与现有技术相比的有效性。

AI摘要

AI生成的摘要（实验性）

此摘要是由自动化工具生成的，并非文章作者编写或审阅的。它旨在帮助发现、评估相关性，并协助来自相关研究领域的读者理解本文内容。它旨在补充作者提供的摘要，后者仍是论文的正式摘要。完整文章是权威版本。点击此处了解更多。

点击这里对摘要的准确性、清晰度和实用性进行评论。这有助于改进未来的生成版本。

要查看此AI生成的通俗语言摘要，您必须具有高级访问权限。