マトリョーシカ表現学習を用いて、一度の学習で様々なサイズの推薦モデルを生成し、効率的なマルチモーダル推薦を実現する。
マルチモーダル特徴抽出手法の性能を詳細に評価し、最新のマルチモーダル推薦モデルの性能向上につなげる。
本論文は、ユーザーの局所的および大域的な興味を共同でモデル化することで、マルチモーダル推薦の精度と頑健性を向上させる新しいモデルLGMRecを提案する。
行動情報とマルチモーダル情報を効果的に統合し、行動表現とモーダル表現の整合性を確保することで、マルチモーダル推薦の性能を向上させる。
マルチモーダル推薦システムでは、製品のマルチモーダル特徴を活用して推薦を行うが、実世界のアプリケーションでは一部の製品にしかマルチモーダル情報がない場合がある。本研究では、このような欠落モダリティの問題に取り組み、グラフ表現学習の手法を応用して特徴伝播アルゴリズムを提案する。