首页 > 生活知识 > 生活知识 > 多模态对齐在小红书推荐的研究及应用

多模态对齐在小红书推荐的研究及应用

发布时间:2024-09-24 16:52:42来源: 13041198719

在 CIKM 2024 上,小红书中台算法团队提出了一种创新的联合训练框架 AlignRec,用于对齐多模态表征学习模型和个性化推荐模型。本文指出,由于多模态模型与推荐模型在训练过程中存在步调不一致问题,导致联合训练被推荐信号主导,从而丢失大量多模态信息。AlignRec 通过分阶段对齐的方式,设计了三种针对性的优化损失函数,使得联合训练能够同时兼顾多模态信息和推荐信息。实验结果表明,AlignRec 在多个数据集上的性能超过了现有的 SOTA(state-of-the-art)模型。此外,AlignRec 还提供了在当前广泛使用的公开数据集亚马逊上的预处理特征,这些特征的效果显著优于现有的开源特征。


最近多模态是个非常热门的话题,尤其是在大模型以及 AIGC 领域,多模态基建和技术是走向未来商业化的奠基石。在过去的多模态大模型研究方向上,模态的“对齐”已经被验证非常重要,分布的不一致损害不同模态的理解,我们此次要讨论的核心问题是多模态在推荐中的对齐问题;

 

在具体介绍论文工作之前,我们先来介绍下我们过去在推荐和电商中的实践工作:

 

推荐实践


上述方法是我们对 BM3论文进行改进 上线的方案,该方案实际上做的是通过损失函数来实现“对齐”工作。我们的对模型的期望也是保留个性化的同时,能够对齐行为和多模态的空间,进一步增加长尾的个性化分发能力。先说效果:

 

该模型实验在推荐发现页取得时长、曝光、点击等核心指标收益,除此之外,在长尾分发上,0 粉作者笔记点击和曝光获得大幅增长,整个召回路增加了全局可分发笔记数 6%,分发笔记集中在 1k-5k 的笔记曝光集合;同时,我们的方法也被复用在了电商场景,分发长尾同时,获得 DGMV 等核心指标收益。

 

很显然,从上述可以看出,“对齐”的效果立竿见影,在业界应用上我们已经取得实质性进展,但本质上这样的设计方案依然并没有完全解决多模态推荐问题,因为我们的多模态模型和推荐模型是相对割裂的,等同于直接拿表征来使用,这样的设计打通了应用范式,却无法判断多模态模型本身能力对效果的上限,对于选择合适多模态表征存在一定的难度。但如果我们引入文本/图等 Encoder(Transformer)等进行联合训练,会引入如下的问题:

 

在大规模的数据下,分布式训练引入图文 Encoder 会造成资源和性能问题,尤其是注重高时效性的 Streaming Data;
训练步调不一致,往往多模态模型需要大量数据甚至多个 Epoch 才能收敛,但推荐模型通常采取单轮训练,这也导致多模态模型训练不充分;

所以我们设计联合训练模型,通过设计分阶段对齐的方式和中间指标评估,解决上述联合训练问题,并且引入了三种针对性的优化损失函数,使得联合训练能够同时兼顾多模态信息和推荐信息,解决联合训练中的“对齐”问题,提升效果上限。

 

下面我们从相关工作,核心挑战,模型设计介绍整体工作。

 

我们在这里通过 (a), (b), (c) 描述了在过往的学术界目前多模态推荐方向的相关工作,总结主要的发展路径:

图(a),直接利用,比如把 embedding,多模态特征作为信号输入网络;
图(b),利用图等方式聚合,希望能得到更丰富的多模态信息表达,这本质上也是增加多模态侧信息的召回率;
图(c),联合优化,把模态损失和行为损失共同优化,但这忽略了本身笔记侧的多模态学习。
在工业界,现阶段推荐系统主要还是依赖于 ID 特征的学习, 大多数多模态推荐把多模态信息作为 sideinfo 去辅助 ID 特征的学习。但是, 多模态之间以及 ID 模型与多模态之间都存在着语义鸿沟, 直接使用甚至可能适得其反。

 

核心挑战

为了贴合业界实际,设计一款有效的多模态与推荐联合训练模型会遇到如下的挑战:

 

挑战1: 如何对齐多模态表征。包括内容模态之间(如图文)的对齐,以及内容模态与 ID 模态之间的对齐;
挑战2: 如何平衡好内容模态和 ID 模态之间的学习速度问题。内容模态可能需要超大规模的数据和时间去训练, 而 ID 模态的学习更新可能只需要几个 epoch。
挑战3: 如何评估多模态特征对推荐系统的影响。引入不合适的多模态信息可能需要更多的精力去做纠正, 甚至可能影响推荐系统的性能。

我们所提出的方法命名为 AlignRec,整体框架如下图所示, 主要包含3个模块: Multimodal Encoder Module, Aggregation Module, 以及 Fusion Module, 下面分别进行介绍。


Multimodal Encoder Module

 

生活知识更多>>

问界的“爆点”,尚界的“尚点”,要包圆鸿蒙智行下半场? 新能源转型核心产品,红旗天工05上市首月销量仅277辆? 底特律的“红脖子”真的能够抢回汽车产业吗? 2025年上海市崇明食品药品检验所招聘非在编人员公告(1人) 2025年北京市平谷区教育委员会所属事业单位面向应届毕业生招聘教师公告(140人) 2025年北京市平谷区教育委员会所属事业单位面向应届毕业生招聘教师公告(140人) 2025年北京市延庆区卫生健康委员会所属事业单位第一批招聘医务人员公告(25人) 英搏尔牵手高域,一场各取所需的合作 中国和欧洲市场需求不振 梅赛德斯-奔驰Q1全球交付量下滑7% 中国汽车能效开发与检测认证联盟发布首批纯电动乘用车能效分级测评结果 元戎启行与高通达成技术合作,基于骁龙平台发布高阶智驾 文远知行宣布采用BlackBerry QNX系统 售价60,900欧元 smart #5 BRABUS超能版全球首秀 北汽股份利润跌三成 王昊首秀现场高歌释放变革信号 建设低空生态中心,峰飞航空为何选择这个城市? 23扬音响配智驾,吉利银河星耀8电混轿车“卷王” 价格战或难挽狂澜,对等关税下,别克在华市场再添变数? 2025广汽科技日:广汽星灵安全守护体系发布,昊铂HL正式上市 蔚来 Firefly 萤火虫将亮相上海车展!预售价 14.88 万,你喜欢吗? 广汽昊铂3月仅售958辆,昊铂HL能否成为“救火队长”? 动不动就是三四升油耗!这么小的摩托车,为啥一点不省油? 零跑B10上市,600km续航、激光雷达成11万元级的“标配” 3月轿车销量丨小米SU7进前四,代步车占据前三,消费降级了? 爆价格+强技术+开源计划!奇瑞你到底藏了多少底牌? 停供Model S和Model X 特斯拉也扛不住关税战了! 马自达EZ-60将在4月23日全球首秀 3月新能源销量:搞电车,中国才是最大的“避风港” 比亚迪汉L唐L重塑20-30万级旗舰标杆 品牌向新 产品向上 纳米06助推东风纳米向生活家进发 再次兑现“新能源不客气” 奇瑞发布全新混动战略