NMKFR: A Robust Framework for Time-Aware Cold-Start Recommendation
NMKFR：时间感知冷启动推荐的鲁棒框架
🧭 时间感知冷启动 · 卡尔曼融合
Southwest University
提出神经记忆卡尔曼融合推荐器，利用后验协方差校准语义-时间融合以应对冷启动
📌 工作参考价值（4 点）
- 使用卡尔曼滤波器建模物品生命周期中的不规则时间间隔，可迁移至电商新品冷启动的状态跟踪，融合交互时间衰减。
- 后验协方差作为不确定性信号自适应平衡语义与时序分支，为多模态融合提供置信度加权思路，避免简单拼接。
- 基于Titans的记忆增强语义编码器能更有效地从物品文本中抽取长期依赖，适用于电商商品的标题、描述等文本侧信息。
- 框架的鲁棒性分析和有界不确定性行为为线上部署提供安全性保证，可作为推荐系统的置信度输出。