量子位
·
扩散模型也能推荐短视频！港大腾讯提出新范式DiffMM
💡
原文中文，约4200字，阅读约需10分钟。
📝
内容提要
港大和腾讯的研究人员提出了一种新的多模态推荐系统范式DiffMM，利用图扩散和对比学习技术，提高了推荐准确性。DiffMM在三个公共数据集上的性能优于竞争基线模型。相关论文已公开，代码已开源。
🎯
关键要点
- 港大和腾讯的研究人员提出了新的多模态推荐系统范式DiffMM。
- DiffMM通过图扩散和对比学习技术提高推荐准确性。
- DiffMM在三个公共数据集上的性能优于竞争基线模型。
- DiffMM的框架包含多模态图扩散模型、多模态图聚合和跨模态对比增强三个部分。
- 多模态图扩散模块生成包含模态信息的用户-物品交互图，增强用户偏好的建模。
- DiffMM使用模态感知去噪扩散概率模型来统一用户-物品协同信号与多模态信息。
- DiffMM通过对比学习利用不同模态下用户-物品交互模式的一致性，增强模型性能。
- 实验结果表明DiffMM在推荐性能上具有最优表现，并有效缓解数据稀疏问题。
- DiffMM的训练包括推荐任务和多模态图扩散模型的联合训练。
- 相关论文已公开，代码已开源。
➡️
