DRepMRec: 다중 모달 추천을 위한 이중 표현 학습 프레임워크

다중 모달 추천은 추천 작업에서 행동 및 다중 모달 정보를 효과적으로 통합하는 방법에 주로 초점을 맞춥니다. 이전 연구는 두 가지 주요 문제로 어려움을 겪었습니다. 첫째, 훈련 과정은 공유 모델 매개변수를 사용하여 행동 모듈과 다중 모달 모듈을 공동 최적화함으로써 이들을 긴밀하게 결합하여, 행동 신호와 모달 신호가 매개변수 업데이트에 대해 종종 반대의 지침을 제공하기 때문에 최적화되지 않은 성능을 초래합니다. 둘째, 행동과 모달을 융합하려는 이전 접근 방식은 행동과 모달 간의 상당한 분포 차이를 고려하지 않습니다. 이로 인해 행동과 모달의 표현 간의 불일치가 발생했습니다. 이러한 문제를 해결하기 위해, 본 논문에서는 DRepMRec이라는 다중 모달 추천을 위한 새로운 이중 표현 학습 프레임워크를 제안합니다. 이는 결합 문제를 위한 개별 이중 라인과 불일치 문제를 위한 행동-모달 정렬(BMA)을 도입합니다. 구체적으로, DRepMRec은 행동 및 모달 표현을 계산하기 위해 두 개의 독립적인 표현 학습 라인을 활용합니다. 별도의 행동 및 모달 표현을 얻은 후, 우리는 이중 표현을 정렬하고 융합하여 불일치 문제를 해결하기 위한 행동-모달 정렬 모듈(BMA)을 설계합니다. 또한 BMA를 다른 추천 모델에 통합하여 일관된 성능 개선을 가져옵니다. 정렬 과정에서 이중 표현이 의미적 독립성을 유지하도록 하기 위해 우리는 표현 학습을 위한 유사성 감독 신호(SSS)를 도입합니다. 우리는 세 개의 공개 데이터 세트에서 광범위한 실험을 수행하였으며, 우리의 방법은 최첨단(SOTA) 결과를 달성합니다. 소스 코드는 수락 후 제공될 예정입니다.