本文提出了多模态学习和缺失数据补全的推荐系统框架LRMM，利用模态丢弃和多模态序列自编码器算法有效处理缺失信息和冷启动问题。实验结果表明，该算法在评分预测中表现优越，具有实用性。此外，还介绍了其他多模态学习方法，如TRML、DI-MML和SMIL，均在多个数据集上展现了良好性能。