論文の概要: AdaM-Rec: Adaptive Modality Routing for Multimodal Recommendation

• arxiv url: http://arxiv.org/abs/2609.38455v2
• Date: Sun, 04 Oct 2026 11:16:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 04:43:28.441361
• Title: AdaM-Rec: Adaptive Modality Routing for Multimodal Recommendation
• Title（参考訳）: AdaM-Rec:マルチモーダルレコメンデーションのための適応型モダリティルーティング
• Abstract要約: AdaM-Recはマルチモーダルレコメンデーションにおける適応的モダリティルーティングのためのフレームワークである。 プロキシリコールタスクを使用して、モダリティの信頼性を推定する。 AdaM-Recは最先端のベースラインに対して強力なパフォーマンスを提供する。
• 参考スコア（独自算出の注目度）: 41.45714747493608
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While recent multimodal recommender systems have demonstrated the effectiveness of incorporating visual and textual information to improve downstream performance, most existing methods rely on static modality fusion, assuming that the relative importance of textual and visual signals remains stable across recommendation scenarios. This design may not fully account for an important variation across recommendation requests: some queries require fine-grained visual cues, whereas others are better served by textual or functional semantics, in which case indiscriminate modality fusion brings in uninformative cues and impairs recommendation quality. To address this, we propose AdaM-Rec, an LLM-based framework for adaptive modality routing in multimodal recommendation, which enables dynamic calibration of reliance on textual and multimodal evidence for user-specific queries. Built on structured natural-language representations of items and user preferences, it estimates modality reliability using proxy recall tasks. Specifically, it generates pseudo-queries that match the granularity of the actual query while pointing to the user's positively interacted items as verifiable proxy targets, evaluating which modality yields better recall performance in analogous scenarios and optimizing the routing strategy in an agentic manner. It then performs routed recall with optimized strategy, enriches results with collaborative items, and ranks candidates by their relevance to both the query and user preferences. Experiments demonstrate that AdaM-Rec delivers strong performance against state-of-the-art baselines, highlighting the effectiveness and broader potential of adaptive control over modality reliance in multimodal recommendation.
• Abstract（参考訳）: 最近のマルチモーダルレコメンデータシステムは、下流のパフォーマンスを改善するために視覚情報とテキスト情報を組み込むことの有効性を実証しているが、既存の手法の多くは静的なモダリティ融合に依存しており、テキストと視覚信号の相対的重要性はレコメンデーションシナリオ全体で安定している。 この設計は、レコメンデーション要求間で重要なバリエーションを十分に説明できないかもしれない: あるクエリは、きめ細かい視覚的手がかりを必要とするが、あるクエリは、テキストまたは機能的意味論によってよりよく機能し、不差別なモダリティ融合は、非形式的なキューをもたらし、レコメンデーション品質を損なう。 そこで本稿では,マルチモーダルレコメンデーションにおける適応モーダルルーティングのためのLLMベースのフレームワークであるAdaM-Recを提案し,ユーザ固有のクエリに対するテキストおよびマルチモーダルエビデンスに依存する動的キャリブレーションを実現する。 アイテムの構造化された自然言語表現とユーザの好みに基づいて構築され、プロキシリコールタスクを使用してモダリティの信頼性を推定する。 具体的には、ユーザが肯定的に相互作用した項目を検証可能なプロキシターゲットとして指さしながら、実際のクエリの粒度にマッチする擬似クエリを生成し、類似のシナリオでどのモダリティがより優れたリコール性能を得られるかを評価し、エージェント方式でルーティング戦略を最適化する。 そして、最適化された戦略でルーティングされたリコールを実行し、結果をコラボレーションアイテムで強化し、クエリとユーザの好みの両方に関連して候補をランク付けする。 実験により、AdaM-Recは最先端のベースラインに対して強力な性能を示し、マルチモーダルレコメンデーションにおけるモダリティ依存に対する適応制御の有効性と可能性を強調した。

関連論文リスト

• RecGOAT: Graph Optimal Adaptive Transport for LLM-Enhanced Multimodal Recommendation with Dual Semantic Alignment [23.738860191046538]
  マルチモーダルなレコメンデーションのための新しい2つのセマンティックアライメントフレームワークRecGOATを提案する。 RecGOATは、我々の理論的洞察を実証的に検証し、最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2026-01-31T11:58:38Z)
• RecNet: Self-Evolving Preference Propagation for Agentic Recommender Systems [109.9061591263748]
  RecNetは、レコメンデータシステムのための自己進化的な好みの伝達フレームワークである。 関連ユーザやアイテム間で、リアルタイムの好み更新を積極的に伝達する。 逆相では、フィードバック駆動の伝搬最適化機構がマルチエージェント強化学習フレームワークをシミュレートする。
  論文  参考訳（メタデータ） (2026-01-29T12:14:31Z)
• Does Multimodality Improve Recommender Systems as Expected? A Critical Analysis and Future Directions [52.21847626165085]
  マルチモーダルレコメンデーションシステムは、多種多様なデータ型を統合することで、パフォーマンスを向上させる可能性が高まっている。 しかし、この統合の実際の利点ははっきりしないままであり、いつ、どのように本当にレコメンデーションを強化するのかという疑問が持ち上がっている。 4次元にわたるマルチモーダルレコメンデーションを体系的に評価するための構造化評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-07T13:21:00Z)
• Efficient and Effective Query Context-Aware Learning-to-Rank Model for Sequential Recommendation [0.02638878351659022]
  本稿では、クエリコンテキストの異なる戦略を因果言語モデリング手法で訓練された変換器に組み込む。 そこで本稿では,アイテムシーケンスをアテンションメカニズム内でクエリコンテキストと効果的に融合する手法を提案する。
  論文  参考訳（メタデータ） (2025-07-04T19:50:01Z)
• X-Reflect: Cross-Reflection Prompting for Multimodal Recommendation [46.76427517818944]
  クロスリフレクション・プロンプティングは、テキストと画像間の支持的および矛盾する情報を明示的に識別し、調整するように設計されている。 2つの広く利用されているベンチマーク実験により,提案手法は下流の推薦精度において,既存の基準値よりも優れていることが示された。 また,X-Reflect-keywordも導入した。X-Reflect-keywordは,キーワードを用いて画像内容を要約し,ベースモデルを小さなバックボーンに置き換える軽量版である。
  論文  参考訳（メタデータ） (2024-08-27T16:10:21Z)
• CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。 従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。 粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• MISSRec: Pre-training and Transferring Multi-modal Interest-aware Sequence Representation for Recommendation [61.45986275328629]
  逐次レコメンデーションのためのマルチモーダル事前学習・転送学習フレームワークであるMISSRecを提案する。 ユーザ側ではトランスフォーマーベースのエンコーダデコーダモデルを設計し、コンテキストエンコーダがシーケンスレベルのマルチモーダルユーザ興味を捉えることを学習する。 候補項目側では,ユーザ適応項目表現を生成するために動的融合モジュールを採用する。
  論文  参考訳（メタデータ） (2023-08-22T04:06:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。