论文链接：https://arxiv.org/pdf/2302.04473v1.pdf
推荐系统通过隐式交互(如购买和点击)对用户偏好和物品属性进行建模，帮助用户发现其感兴趣的物品，已经成为一种流行而有效的工具。人类通过处理模态信号(如音频、文本和图像)来感知世界，这启发了研究人员建立一个可以理解和解释不同模态数据的推荐系统。这些模型可以捕获不同模态之间的隐藏关系，并可能恢复单模态方法和隐式交互无法捕获的互补信息。本综述的目的是对最近关于多模态推荐的研究工作进行全面的回顾。具体来说，它展示了每个步骤中常用技术的清晰流程，并按使用的方法对模型进行了分类。此外，还设计了一个代码框架，以帮助该领域的新研究人员理解原理和技术，并轻松运行SOTA模型。我们的框架位于:https://github.com/enoche/MMRec。
匹配目标函数来提高推荐精度。
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
评论
沙发等你来抢