マリオ

私たちは、アイテムの相互作用情報に加えて、視覚的およびテキスト的モダリティなどの多様なモダリティ特徴を利用するマルチメディア推奨問題に取り組んでいます。この問題に対して、いくつかの既存のマルチメディア推薦システムが開発されていますが、これらの手法はどれも相互作用レベルでの各モダリティの影響を個別にキャプチャすることができないことを指摘します。さらに重要なのは、既存の研究の学習手法がアイテムの内在的なモダリティ特有の特性を保持できないことを実験的に観察したことです。この課題に対処するために、モダリティに配慮したアテンションとモダリティを保持するデコーダーに基づく正確なマルチメディア推薦フレームワークを提案します。MARIOは、各相互作用に対する各モダリティの個別の影響を考慮しながら、内在的なモダリティ特有の特性を保持するアイテム埋め込みを取得することによって、ユーザーの好みを予測します。四つの実データセットに関する実験は、MARIOが推薦精度に関して7つの競合他社を一貫して大幅に上回ることを示しています：MARIOは、最良の競合相手に比べて最大14.61％高い精度を実現します。