arXiv cs.AI· Miao Sun·· 3 天前AI 评分17
OT-FlowRec：最优传输引导的多桥流匹配用于多模态序列推荐
OT-FlowRec: Optimal Transport-Guided Multi-Bridge Flow for Multimodal Sequential Recommendation
AI 导读
研究者提出 OT-FlowRec，一个最优传输引导的多桥流匹配框架，通过构建并行的兴趣专属传输流显式建模多中心兴趣分布，实现多模态序列推荐中的兴趣解耦。该方法还设计了几何传输机制与渐进式时间采样预热策略，在三个公开数据集上超越现有 SOTA 基线。
正文 · AI 翻译
摘要：电商用户偏好会在会话内动态演变，呈现出并发且多中心化的兴趣分布。现有的大多数多模态序列推荐方法利用全局注意力来压缩历史交互，但它们无法充分捕捉多兴趣行为的并发特性，也未能对用户意图背后多中心化的分布进行建模。为解决这一问题，我们提出了 OT-FlowRec，一种最优传输引导的多桥流匹配框架，它显式地对多兴趣分布进行建模，以促进多模态序列推荐。与单路径生成模型不同，OT-FlowRec 构建了一组并行的、针对特定兴趣的传输流的混合，以对多中心化分布特征进行建模，其中每条流通过一个最优传输方案保留一个不同的用户兴趣簇。随后，我们设计了一种几何传输机制，以建立从潜在多兴趣分布到目标偏好原型的成本最小路径，从而提供多兴趣感知能力。此外，一种渐进式时间采样预热策略会动态地将优化权重偏向生成过程的最终状态，弥合了连续全局分布拟合与实际 top-$k$ 排序指标之间的差距。该方法实现了显式的兴趣解耦，确保保留多峰偏好表示，而不是将其坍缩为单峰平均值。在三个公开数据集上的大量实验表明，OT-FlowRec 优于现有的最先进基线。
| 主题： | 信息检索（cs.IR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.16038 [cs.IR] |
| （或使用 arXiv:2610.16038v1 [cs.IR] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.16038 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Miao Sun [查看邮箱]
[v1]
2026年10月12日星期一 01:23:07 UTC（7,586 KB）
来源：arXiv cs.AI · arxiv.org