Behavior-Guided Candidate Calibration for Multimodal Recommendation
行为引导的候选校准用于多模态推荐
🧭 多模态推荐 · 行为引导候选校准
University of the Chinese Academy of Sciences
提出BRIDGE框架，用频谱解耦保持表征多样性，并以行为证据仅在候选集内校准排序残差，避免全局校正破坏推荐特异性。
📌 工作参考价值
- 频率解耦表征设计：将多模态嵌入做SVD分解，低频作为共享结构，高频保留判别信息，可迁移到生成式推荐中的语义ID编码或特征分离，避免强对齐损害排序特异性。
- 行为证据局部校准：利用训练集共现行为构建行为图，生成带符号的归一化行为证据，仅对排序短列表中的候选物品施加残差校正，可部署于两阶段推荐系统的精排模块，作为低成本后处理组件。
- 候选感知训练策略：训练时同样使用基于停止梯度的top-K候选集范围掩码，确保残差分支在训练与推理时作用域一致，避免离线训练与在线评估的分布差异，可以直接复用到现有排序模型。
- 行为图构建与归一化技巧：仅用训练交互构建行为图（物品共现度），并采用z-score归一化得到可正可负的校准信号，既保留共现支持又允许局部降权，适用于存在流行度偏差的电商场景。
动机
多模态推荐中，跨视图对齐虽然能带来增益，但过度对齐会压制推荐特有的变化，导致排序退化。频谱分析进一步揭示：低频成分对齐共享结构，高频成分则保留更多判别信号。现有方法多将内容证据全局应用到所有物品评分，而排序其实只在少数候选内决定，全局校正容易扭曲排序质量。
方法关键点
- DFGE（双频图证据编码器）：对每个模态（ID、图像、文本）先做图消息传递，再在通道内进行SVD分解，按奇异值划分为低频、中频、高频三个频带，分别重建后由可学习的门控和权重融合。低频作为稳定共享证据，高频保留局部变化。
- BEN（行为证据归一化器）：仅用训练集交互构建物品-物品行为图（共现相似度），聚合用户历史得到原始证据后，进行用户内z-score归一化得到带符号的行为支持度。
- CRI（候选残差集成器）：以基模型（DFGE）的top-K候选集作为作用范围，仅对候选物品施加行为证据残差调整（固定或可学习系数），训练时同样在候选集内施加残差，保证训推一致。
- 多目标训练：校准BPR损失、基模型BPR损失、信息瓶颈正则化项、频率结构正则项（带内去相关和带间对比）联合训练。
关键结果
在Amazon Baby、Sports、Electronics三个数据集上，BRIDGE的Recall@20分别达到0.1128、0.1262、0.0778，NDCG@20分别达0.0525、0.0594、0.0385，均显著优于FITMM、AlignRec等强基线。消融实验表明：去除行为证据或候选范围限制均会掉点；全局校正效果弱于局部校准；频谱分解本身比具体基底更重要；BRIDGE在提升中尾部物品召回的同时降低了头部曝光集中度。
一句话总结：多模态推荐不应让内容信号全局改写所有物品评分，而应通过频谱解耦保留多样性，再用行为证据仅在候选集中做局部校准，方能兼顾表示稳定与排序精确。