摘要
本发明涉及一种基于异构图与同构图协同优化的多模态推荐方法及应用,对应每个模态分别构造用户‑物品异构图、物品‑物品同构图,以用户‑物品异构图对不同模态下的物品表征进行对齐及融合,基于不同模态的物品‑物品同构图生成模态融合的物品‑物品同构图;构建多模态推荐模型,以预处理后的数据进行训练,以训练后的多模态推荐模型实现内容推荐;应用于多模态推荐系统。本发明通过动态权重分配策略自适应融合用户对不同模态的偏好,显著提升用户和物品的表征质量,增强对稀疏交互数据的鲁棒性,最大化不同模态间的互信息,强制同一物品的多模态表征在映射后高度一致,有效缩小图像与文本等模态间的语义鸿沟,提升推荐结果的跨模态一致性。
技术关键词
推荐方法
异构
跨模态
推荐系统
动态权重分配
节点
注意力
多模态
对齐模块
模态特征
邻居
多层次
鲁棒性
数据
语义
文本
策略
噪声
编码
系统为您推荐了相关专利信息
异构传感器网络
数据融合方法
数据融合算法
泵站运行状态
智能云平台
实体
智能推荐方法
注意力机制
挖掘知识图谱
项目
知识追踪方法
门控循环单元
状态指示器
大语言模型
时序
进度显示系统
生成方法
风险
多模态深度学习
动态知识图谱