【技术实现步骤摘要】
本专利技术涉及信息推荐技术，尤其涉及一种结合多级对比学习的多模态物品推荐方法。
技术介绍
1、传统的多模态推荐方法通常基于图神经网络(gnn)在每个模态下进行用户和物品的向量表示学习，例如mgcn和lattice等。尽管这些模型在多模态推荐任务上展现出优秀的性能，但仍然广泛面临着三个局限性：1)稀疏监督信号问题，传统模型以稀少的交互标签作为监督信号时会难以学习到准确的用户物品表示；2)多模态噪声问题，不同模态下的物品往往带有一定的噪声信号；3)粗粒度的多模态混合问题，传统工作混合多模态信息时往往采用线性混合方式，表示能力受限。因此传统的多模态推荐工作具有很大的局限性。
技术实现思路
1、本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种结合多级对比学习的多模态物品推荐方法。
2、本专利技术解决其技术问题所采用的技术方案是：一种结合多级对比学习的多模态物品推荐方法，包括以下步骤：
3、1)构建物品-物品图；
4、通过物品在每个模态下的特征相似性，...
【技术保护点】
1.一种结合多级对比学习的多模态物品推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的结合多级对比学习的多模态物品推荐方法，其特征在于，所述步骤1)中，通过物品在每个模态下的特征相似性，构建物品-物品相似性图具体如下：
3.根据权利要求2所述的结合多级对比学习的多模态物品推荐方法，其特征在于，所述步骤1)中，
4.根据权利要求2所述的结合多级对比学习的多模态物品推荐方法，其特征在于，所述步骤2)中，具体如下：
5.根据权利要求1所述的结合多级对比学习的多模态物品推荐方法，其特征在于，所述步骤2)中，具体如下：
6.根...
【技术特征摘要】
1.一种结合多级对比学习的多模态物品推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的结合多级对比学习的多模态物品推荐方法，其特征在于，所述步骤1)中，通过物品在每个模态下的特征相似性，构建物品-物品相似性图具体如下：
3.根据权利要求2所述的结合多级对比学习的多模态物品推荐方法，其特征在于，所述步骤1)中，
4.根据权利要求2所述的结合多级对比学习的多模态物品推荐方法，其特征在于，所述步骤2)中，具体如下：
5.根据权利要求1所述的结合多级对比学习的多模态物品推荐方法，其特征在于，所述步骤2)中，具体如下：
【专利技术属性】
技术研发人员：魏巍，邹定，范士轩，谢文峰，陈当阳，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。