MGRASRec：多模态图检索增强序列推荐框架

研究者 Jason Marcell Setiadi、Xin Cao 和 Lina Yao 提出 MGRASRec，一个面向序列推荐的多模态图检索增强框架。它从用户-物品交互图中检索结构化路径，把协同过滤信号直接放进多模态大语言模型（MLLM）的提示词中，并用多模态相似度扩展覆盖范围。 该方法无需循环摘要，每个候选物品只需一次前向推理，各组件统一进增强提示词，以支持 MLLM 的参数高效微调。作者称，在三个公开数据集上，MGRASRec 在所有指标上表现最佳，其中排名质量提升尤为显著。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。