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)
@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},
}
[pdf]
[代码]
[pdf]
| [代码]
[pdf]
| [代码]
[pdf]
| [代码]
[pdf]
| [代码]
[pdf]
[pdf]
| [代码]
[代码]
[pdf]
| [代码]
[pdf]
| [代码]
[代码]
[pdf]
| [代码]
[代码]
[pdf]
| [代码]
[pdf]
| [代码]
[pdf]
| [代码]
[代码]
:x:[代码]
[pdf]
| [代码]
[代码]
[pdf]
| [代码]
[pdf]
| [代码]
[pdf]
| [代码]
[pdf]
[pdf]
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]
[pdf]
[pdf]
| [代码]
[pdf]
[pdf]
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]
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号