语义图增强的多模态推荐算法

来源：计算机应用杂志2025年第2期北京时间：

作者：蔡启健, 谭伟

单位：东莞理工学院 计算机科学与技术学院，广东 东莞 523808

摘要：为了挖掘多模态信息潜在的同构语义关系，并学习更好的项目表示，提出一种语义图增强多模态推荐（SGEMR）算法。首先，利用辅助的多模态信息补充历史的用户-项目交互，捕捉用户在不同模态下的偏好；然后，基于度量学习将松散的项目序列重新构建为紧密的项目-项目语义图，并设计一个语义层级注意力机制，融合项目的多模态信息；同时，提出一个图重构损失函数，使项目表示保留更多的语义关系，从而提高推荐性能。实验结果表明，在3个真实的数据集上与最优基线算法FREEDOM（FREEzes the item-item graph and DenOises the user-item interaction graph simultaneously for Multimodal recommendation）相比，所提算法的Recall@10分别提升了6.70%、11.30%、5.09%，NDCG@10分别提升了9.09%、12.73%、7.62%，并通过多个消融实验，验证了所提算法的有效性。

关键词：推荐算法,图神经网络,多模态融合,注意力机制,图结构学习

基金资助：广东省基础与应用基础研究基金自然科学基金资助项目(2021A1515010506)