多模态推荐系统
精选的优秀多模态推荐资源列表(代码优先:粗糙的代码也比没有代码好)。如果您的工作未在列表中,请与我们联系。
- 最后更新:2023/08/22(MM'23 部分更新)
- :question: 作者未回应提供源代码请求。如果您有相关源代码或可以复现,请联系我。
- :x: 不可复现
- :heart: 希望大家一起把多模态推荐这个领域做扎实!
@article{zhou2023comprehensive,
title={A Comprehensive Survey on Multimodal Recommender Systems: Taxonomy, Evaluation, and Future Directions},
author={Hongyu Zhou and Xin Zhou and Zhiwei Zeng and Lingzi Zhang and Zhiqi Shen},
year={2023},
journal={arXiv preprint arXiv:2302.04473},
}
统一多模态推荐框架,$\text{MMRec}$,目前集成了:
- 10多个多模态模型
- 多种通用协同过滤模型
综述
- 多模态推荐系统的全面综述:分类、评估和未来方向 - Hongyu Zhou, Xin Zhou, Zhiwei Zeng, Lingzi Zhang, Zhiqi Shen. arxiv, 2023年2月
- 利用多媒体内容的推荐系统 - Yashar Deldjoo, Markus Schedl, Paolo Cremonesi, Gabriella Pasi. ACM计算调查, 2020年9月
目录
概述
- IISAN: 使用解耦PEFT高效适配多模态表示进行序列推荐 - Junchen Fu, Xuri Ge, Xin Xin, Alexandros Karatzoglou, Ioannis Arapakis, Jie Wang, Joemon M Jose. SIGIR, 2024年4月 |
[pdf]
[代码]
- 镜像梯度:通过探索平坦局部最小值实现鲁棒多模态推荐系统 - Shanshan Zhong, Zhongzhan Huang, Daifeng Li, Wushao Wen, Jinghui Qin, Liang Lin. WWW, 2024年2月 |
[pdf]
|[代码]
- LGMRec: 局部和全局图学习用于多模态推荐 - Zhiqiang Guo, Jianjun Li, Guohui Li, Chaoyang Wang, Si Shi, Bin Ruan. AAAI, 2023年12月 |
[pdf]
|[代码]
- 两个图的故事:冻结和去噪图结构用于多模态推荐 - Xin Zhou. MM, 2023年10月 |
[pdf]
|[代码]
- 多视图图卷积网络用于多媒体推荐 - Penghang Yu, Zhiyi Tan, Guanming Lu, Bing-Kun Bao. MM, 2023年10月 |
[pdf]
|[代码]
- 帕累托不变表示学习用于多媒体推荐 - Shanshan Huang, Haoxuan Li, Qingsong Li, Chunyuan Zheng, Li Liu. MM, 2023年10月 |
[pdf]
- 利用同质图增强二元关系的多模态推荐 - Hongyu Zhou, Xin Zhou, Lingzi Zhang, Zhiqi Shen. ECAI, 2023年10月 |
[pdf]
|[代码]
- 基于提示和弱模态增强的多模态推荐 - Xue Dong, Xuemeng Song, Minghui Tian, Linmei Hu. Information Fusion, 2023年9月 |
[代码]
- 用于多模态推荐的自举潜在表示 - Xin Zhou, Hongyu Zhou, Yong Liu, Zhiwei Zeng, Chunyan Miao, Pengwei Wang, Yuan You, Feijun Jiang. WWW, 2023年5月 |
[pdf]
|[代码]
- 用于推荐的多模态自监督学习 - Wei Wei, Chao Huang, Lianghao Xia, Chuxu Zhang. WWW, 2023年5月 |
[pdf]
|[代码]
- 用于多媒体推荐的自监督学习 - Zhulin Tao, Xiaohao Liu, Yewei Xia, Xiang Wang, Lifang Yang, Xianglin Huang, Tat-Seng Chua. TMM, 2022年6月 |
[代码]
- 利用对比模态融合进行潜在结构挖掘的多媒体推荐 - Jinghao Zhang, Yanqiao Zhu, Qiang Liu, Mengqi Zhang, Shu Wu, Liang Wang. arxiv, 2022年3月 (LATTICE的扩展版本,已在MM21发表) |
[pdf]
|[代码]
- DualGNN: 用于多媒体推荐的双图神经网络 - Qifan Wang, Yinwei Wei, Jianhua Yin, Jianlong Wu, Xuemeng Song, Liqiang Nie. IEEE TMM, 2021年12月 |
[代码]
- 挖掘用于多媒体推荐的潜在结构 - Jinghao Zhang, Yanqiao Zhu, Qiang Liu, Shu Wu, Shuhui Wang, Liang Wang. MM, 2021年10月 |
[pdf]
|[代码]
- 使用多模态辅助信息预训练图转换器用于推荐 - Yong Liu, Susen Yang, Chenyi Lei, Guoxin Wang, Haihong Tang, Juyong Zhang, Aixin Sun and Chunyan Miao. MM, 2021年10月 |
[pdf]
|[代码]
- 为什么我们点击:视觉印象感知的新闻推荐 - Jiahao Xun, Shengyu Zhang, Zhou Zhao, Jieming Zhu, Qi Zhang, Jingjie Li, Xiuqiang He, Xiaofei He, Tat-Seng Chua, Fei Wu. MM, 2021年10月 |
[pdf]
|[代码]
- 用于推荐系统的多模态变分图自编码器 - Jing Yi 和 Zhenzhong Chen. IEEE TMM, 2021年9月 |
[代码]
:x: - 基于用户多模态偏好的智慧城市应用推荐 - Cai Xu , Ziyu Guan , Member, IEEE, Wei Zhao , Quanzhou Wu , Meng Yan, Long Chen 和 Qiguang Miao. IEEE TII, 2021年7月 |
[代码]
- 面向鲁棒多媒体推荐系统的对抗训练 - Jinhui Tang, Xiaoyu Du, Xiangnan He, Fajie Yuan, Qi Tian 和 Tat-Seng Chua. IEEE TKDE, 2020年5月 |
[pdf]
|[代码]
- MGAT:用于推荐的多模态图注意力网络 - Zhulin Tao, Yinwei Wei, Xiang Wang, Xiangnan He, Xianglin Huang, Tat-Seng Chua. 信息处理与管理, 2020年4月 |
[代码]
- 用于隐式反馈多媒体推荐的图细化卷积网络 - Yinwei Wei, Xiang Wang, Liqiang Nie, Xiangnan He, Tat-Seng Chua. MM, 2020年10月
[pdf]
|[代码]
- 通过多模态注意力度量学习对用户多样化偏好建模 - Fan Liu, Zhiyong Cheng, Changchang Sun, Yinglong Wang, Liqiang Nie, Mohan Kankanhalli. MM, 2019年10月 |
[pdf]
|[代码]
- MMGCN:用于微视频个性化推荐的多模态图卷积网络 - Yinwei Wei, Xiang Wang, Liqiang Nie, Xiangnan He, Richang Hong, Tat-Seng Chua. MM, 2019年10月 |
[pdf]
|[代码]
- 打破隔离:通过边缘调制的多模态图融合实现多媒体推荐 - Feiyu Chen, Junjie Wang, Yinwei Wei, Hai-Tao Zheng, Jie Shao. MM, 2022年10月
- 学习混合行为模式用于多媒体推荐 - Zongshen Mu, Yueting Zhuang, Jie Tan, Jun Xiao, Siliang Tang. MM, 2022年10月 :question:
- 用于微视频推荐的多模态图对比学习 - Zixuan Yi, Xi Wang, Iadh Ounis, Craig Macdonald. SIGIR, 2022年7月 :question:
- MM-Rec:视觉语言模型赋能的多模态新闻推荐 - Chuhan Wu, Fangzhao Wu, Tao Qi, Chao Zhang, Yongfeng Huang, Tong Xu. SIGIR, 2022年7月
- 用于推荐的解耦多模态表示学习 - Fan Liu, Zhiyong Cheng, Huilin Chen, Anan Liu, Liqiang Nie, Mohan Kankanhalli. arxiv, 2022年3月 |
[pdf]
- 一种具有多模态辅助信息的两阶段嵌入模型用于推荐 - Juan Ni, Zhenhua Huang, Yang Hu, Chen Lin. Information Sciences, 2022年1月
- 用于推荐系统的多模态知识图谱 - Rui Sun, Xuezhi Cao, Yan Zhao, Junchen Wan, Kun Zhou, Fuzheng Zhang, Zhongyuan Wang and Kai Zheng. CIKM, 2020年10月
[pdf]
- 用于个性化微视频推荐的用户-视频协同注意力网络 - Shang Liu, Zhenzhong Chen, Hongyi Liu, Xinghai Hu. WWW, 2019年5月
- 基于多模态注意力网络的个性化时尚推荐及视觉解释 - Xu Chen, Hanxiong Chen, Hongteng Xu, Yongfeng Zhang, Yixin Cao, Zheng Qin, Hongyuan Zha. SIGIR, 2019年7月
- 物联网中的多模态表示学习用于推荐 - Zhenhua Huang, Xin Xu, Juan Ni, Honghao Zhu, and Cheng Wang. IEEE IoTJ, 2019年9月
- GraphCAR:使用图自编码器的内容感知多媒体推荐 - Qidi Xu, Fumin Shen, Li Liu, Heng Tao Shen. SIGIR, 2018年6月
特定模态推荐
基于文本的推荐
基于评论的
-
基于反事实评论的推荐 - Kun Xiong, Wenwen Ye, Xu Chen, Yongfeng Zhang, Wayne Xin Zhao, Binbin Hu, Zhiqiang Zhang, Jun Zhou. CIKM, 2021年11月 |
[pdf]
|[代码]
-
评论遇上图:利用层次注意力图神经网络增强用户和物品表示进行推荐 - Chuhan Wu, Fangzhao Wu, Tao Qi, Suyu Ge, Yongfeng Huang, Xing Xie. EMNLP-IJCNLP, 2019年11月 |
[pdf]
|[代码]
-
NRPA:基于个性化注意力的神经推荐 - Hongtao Liu, Fangzhao Wu, Wenjun Wang, Xianchen Wang, Pengfei Jiao, Chuhan Wu, Xing Xie. SIGIR, 2019年7月 |
[pdf]
|[代码]
-
基于评论文本和社交社区的推荐:混合模型 - Zhenyan Ji, Huaiyu Pi, Wei Wei, Bo Xiong, Marcin Woźniak, Robertas Damasevicius. IEEE Access, 2019年2月 | |
[代码]
-
面向物品推荐的上下文感知用户-物品表示学习 - Libing Wu, Cong Quan, Chenliang Li, Qian Wang, Bolong Zheng, Xiangyang Luo. TOIS, 2019年1月 |
[pdf]
|[代码]
-
ANR:基于方面的神经推荐器 - Jin Yao Chin, Kaiqi Zhao, Shafiq Joty, Gao Cong. CIKM, 2018年10月 |
[pdf]
|[代码]
-
PARL:让陌生人说出你喜欢的东西 - Libing Wu, Cong Quan, Chenliang Li, Donghong Ji. CIKM, 2018年10月 |
[代码]
-
多指针协同注意力网络用于推荐 - Yi Tay, Anh Tuan Luu, Siu Cheung Hui. KDD, 2018年7月 |
[pdf]
|[代码]
-
带有评论级解释的神经注意力评分回归 - Chong Chen, Min Zhang, Yiqun Liu, Shaoping Ma. WWW, 2018年4月 |
[pdf]
|[代码]
-
具有局部和全局双重注意力的可解释卷积神经网络用于评论评分预测 - Sungyong Seo, Jing Huang, Hao Yang, Yan Liu. RecSys, 2017年8月 |
[pdf]
|[代码]
-
利用评论对用户和物品进行联合深度建模用于推荐 - Lei Zheng, Vahid Noroozi, Philip S. Yu. WSDM, 2017年2月 |
[pdf]
|[代码]
-
用于文档上下文感知推荐的卷积矩阵分解 - Donghyun Kim, Chanyoung Park, Jinoh Oh, Sungyoung Lee, Hwanjo Yu. RecSys, 2016年9月 |
[pdf]
|[代码]
-
具有跨模态互注意力的评论感知神经推荐 - Songyin Luo, Xiangkui Lu, Jun Wu, Jianbo Yuan. CIKM, 2021年10月
-
学习用于推荐的层次评论图表示 - Yong Liu, Susen Yang, Yinan Zhang, Chunyan Miao, Zaiqing Nie, Juyong Zhang. IEEE TKDE, 2021年4月 |
[pdf]
-
通过深度评论解释改进可解释推荐 - Sixun Ouyang, Aonghus Lawlor. IEEE Access, 2021年4月 |
[pdf]
-
基于跨注意力的神经统一评论推荐 - Hongtao Liu, Wenjun Wang, Hongyan Xu, Qiyao Peng, Pengfei Jiao. SIGIR, 2020年7月
-
DAML: 评分与评论间的双注意力互学习用于物品推荐 - Donghua Liu, Jing Li, Bo Du, Jun Chang, Rong Gao. KDD, 2019年8月
-
基于注意力的方面建模用于评论感知推荐 - Xinyu Guan, Zhiyong Cheng, Xiangnan He, Yongfeng Zhang, Zhibo Zhu, Qinke Peng, Tat-Seng Chua. TOIS, 2019年3月 |
[pdf]
-
共进化推荐模型:评分与评论间的互学习 - Yichao Lu, Ruihai Dong, Barry Smyth. WWW, 2018年4月 |
[pdf]
标题、摘要、标签
- 基于评分和文本内容的双重解耦用户表示对齐, Nhu-Thuat Tran, Hady W. Lauw. KDD, 2022年8月 |
[pdf]
- 用于标签增强视频推荐中标签排序的图神经网络 - Qi Liu, Ruobing Xie, Lei Chen, Shukai Liu, Ke Tu, Peng Cui, Bo Zhang, Leyu Lin. CIKM, 2020年10月 |
[pdf]
|[代码]
- 利用标题-摘要注意力语义进行论文推荐 - Guibing Guo, Bowei Chen, Xiaoyan Zhang, Zhirong Liu, Zhenhua Dong, Xiuqiang He. AAAI, 2020年4月 |
[pdf]
- 基于标签信息的交互式资源推荐算法 - Qing Xie. Feng Xiong. Tian Han. Yongjian Liu. Lin Li. Zhifeng Bao. WWW, 2018年2月
- Tag2Word:使用标签生成词语进行基于内容的标签推荐 - Yong Wu, Yuan Yao, Feng Xu, Hanghang Tong, Jian Lu. CIKM, 2016年10月 |
[pdf]
基于图像的推荐
-
CausalRec:视觉感知推荐中的因果推断用于视觉去偏 - Ruihong Qiu, Sen Wang, Zhi Chen, Hongzhi Yin, and Zi Huang. MM, 2021年10月 |
[pdf]
|[代码]
-
VBPR:基于隐式反馈的视觉贝叶斯个性化排序 - Ruining He, Julian McAuley. AAAI, 2016年2月 |
[pdf]
|[代码]
-
用于推荐和垃圾检测系统的图像和视频理解 - Aman Gupta, Sirjan Kafle, Di Wen, Dylan Wang, Sumit Srivastava, Suhit Sinha, Nikita Gupta, Bharat Jain, Ananth Sankar, Liang Zhang. KDD, 2020年8月
-
探索视觉特征在电影推荐中的力量 - Mohammad Hossein Rimaz, Mehdi Elahi, Farshad Bakhshandegan Moghadam, Christoph Trattner, Reza Hosseini, Marko Tkalčič . UMAP, 2019年6月 |
[pdf]
-
使用可解释图像表示的视觉感知个性化推荐 - Charles Packer, Julian McAuley, Arnau Ramisa. arxiv, 2018 |
[pdf]
-
DeepStyle:学习用户偏好用于视觉推荐 - Qiang Liu, Shu Wu, Liang Wang. SIGIR, 2017年8月 |
[pdf]
-
推荐系统下一步该往哪里走?重新审视基于ID与基于模态的推荐模型 - Zheng Yuan, Fajie Yuan, Yu Song. SIGIR, 2023年7月 |
[pdf]
[代码]
-
探索推荐系统中基于适配器的迁移学习:实证研究和实用见解 - Junchen Fu, Fajie Yuan, Yu Song. WSDM, 2024年3月 |
[pdf]
[代码]