一种基于信息瓶颈原则的多模态推荐方法

本发明涉及数据处理技术领域，尤其涉及一种基于信息瓶颈原则的多模态推荐方法。步骤如下：根据Amazon数据集中的用户‑物品历史交互记录构建数据集；根据数据集为每个模态构建一张用户‑物品图，将用户和物品的嵌入通过多层图卷积计算得到用户的最终表示和物品的融合嵌入；为物品的每个模态构建一张物品‑物品相似图，保留相似度最高的前k个物品的邻居，再根据物品模态对于下游推荐任务的贡献度聚合物品语义信号，得到物品的最终表示；通过去噪、损失计算和Adam优化器进行优化。本方法能够从多模态数据中提取关键信息，并去除冗余和噪声，而且可以计算物品表征在不同模态下对下游推荐任务的贡献度。