港大与腾讯的研究人员提出了一种全新的多模态推荐系统范式 ——DiffMM，旨在提高短视频推荐的精准度。该系统通过创建一个包含用户和视频信息的图，并利用图扩散和对比学习技术，更好地理解用户和视频之间的关系，从而实现更准确的推荐。
DiffMM 的模型方法主要包含三个部分:多模态图扩散模型、多模态图聚合和跨模态对比增强。其中，多模态图扩散模型通过模态感知去噪扩散概率模型，将用户 - 物品协同信号与多模态信息统一起来，有效解决多模态推荐系统中的负面影响。同时，通过图概率扩散范式和模态感知的图扩散优化，实现了模态感知的用户 - 物品图生成和优化。
在跨模态对比增强方面，DiffMM 利用模态感知的对比视图和对比增强方法，捕捉不同物品模态上的用户交互模式的一致性，提高推荐系统性能。
论文:https://arxiv.org/abs/2406.1178
划重点:
⭐ 港大与腾讯提出新范式 DiffMM，增强多模态推荐系统的性能。
⭐ DiffMM 利用图扩散和对比学习技术，更好地理解用户和视频之间的关系。
⭐ 跨模态对比增强方法提高了推荐系统的精准度和性能。