Modality-Aware Identity Construction and Counterfactual Structure Learning for ID-Free Multimodal Recommendation
模态感知身份构建与反事实结构学习实现无ID多模态推荐
🧭 生成式推荐 · ID-Free 多模态 · 反事实学习
Hubei University · Wuhan University
通过动态模态感知位置编码和反事实图结构学习，大幅提升无ID多模态推荐的语义表达和长尾覆盖
📌 工作参考价值
- 模态感知位置编码（MAIC）：用文本和视觉语义生成门控，动态调制位置编码，使ID-free表征具备内容感知性。可直接用于生成式推荐的身份构建，用商品图文特征调整区分信号，增强冷启动物品泛化。
- 反事实图增强（CSL）：通过流行度惩罚选取低曝光但语义相似的邻居，构建反事实图，缓解流行偏差。适合电商长尾商品发现，可嵌入现有GNN推荐管线，改善推荐多样性和公平性。
- 自监督结构对比：跨层对齐和去耦判别损失稳定低曝光语义结构在多层传播中的保留。该trick可迁移到任何图学习推荐模型，增强结构鲁棒性。
- 多模态融合权重调优：不同品类（如服装vs宠物）文本/视觉门控融合比例需单独优化，提示工程落地时宜按业务场景自适应调整多模态贡献。
动机 现有无ID多模态推荐用静态位置编码重构身份，导致表征与多模态语义对齐弱，且图学习受流行度偏差主导，长尾语义邻居挖掘不足，限制了推荐质量和公平性。
方法关键点
- 模态感知身份构建（MAIC）：从文本和视觉特征生成门控，动态调制位置编码，得到内容感知的节点初始表征。
- 反事实邻居增强（CNA）：在物品语义相似度中引入流行度惩罚，选取低曝光高语义相似邻居，融合到基础KNN图，缓解流行邻居主导的传播偏置。
- 结构对比增强（SCE）：跨层对齐损失（身份表征与传播后表征对齐）和去耦判别损失（拉近初始表征与原始多模态，推远融合后公共结构表征），强化反事实结构稳定性。
- 推荐损失：采用Softmax ranking loss，并保留跨模态InfoNCE对齐。
关键结果 在Amazon Baby、Sports、Clothing、Pet、Beauty五个数据集上，对比16个基线，MAIL的Recall@10平均提升7.81%，NDCG@10提升12.81%；较最强ID-free基线IDFREE，Recall@10分别提升13.78%、4.52%、5.03%、7.16%、8.56%。可视化表明身份表征与语义锚更强对齐，反事实图让长尾邻居比例从38.1%升至71.7%，平均邻居流行度从2.25降至1.69。各模块消融均带来显著增益，MAIC可即插即用提升其他模型。
最值得记住：动态模态感知位置编码与反事实流行度惩罚的组合，让ID-free推荐摆脱静态身份信号束缚，同时有效对抗流行偏差，是提升长尾覆盖和语义表达的实用方案。