为了缓解推荐系统中存在的数据稀疏以及冷启动等问题，部分研究者尝试将多模态信息引入推荐系统中，使模型在训练过程中得到更好的用户和物品表示，进而取得更好的模型效果。

 

将多模态信息引入推荐系统，是解决推荐系统中数据稀疏以及冷启动等问题一种研究方向。近两年的研究工作大致可分为两类：其中较为简单的方法是从不同模态的特征中学习到各自的表示，然后再将这些表示直接拼接或平均起来，作为用户或物品的多模态表示；同时也有其他工作是利用注意力机制等方法来学习不同模态之间的关联，来增强多模态的表示。通过这些多模态的表示，各种模型都一定程度上的缓解了数据稀疏的问题，提高了模型的冷启动性能。

 

笔者对最近两年有关多模态推荐系统的论文进行了阅读与分析。

内容中包含的图片若涉及版权问题，请及时与我们联系删除