近日，The 38th Annual AAAI Conference on Artificial Intelligence（AAAI 2024）录用论文结果揭晓，实验室博士生郭志强的论文 “LGMRec: Local and Global Graph Learning for Multimodal Recommendation” 被录用。

多模态推荐已成为当今主流多媒体平台的基础应用。论文分析了现有多模态推荐任务存在的两大问题：（1）用户ID嵌入的共享式更新导致协同和多模态信号耦合；（2）缺乏对鲁棒的用户全局兴趣的探索以缓解局部兴趣建模所面临的交互稀疏性。

针对上述问题，论文提出了一种局部和全局图学习引导的多模态推荐器（LGMRec）来联合建模用户的局部和全局兴趣。该方法首先利用一个局部图嵌入模块来独立地学习具有局部拓扑关系的用户和物品的协同表征和模态表征。然后，进一步设计了一个全局超图嵌入模块，通过对全局依赖关系进行建模来捕获用户和物品的全局表征。通过将在超图嵌入空间中获得的全局表征与两个解耦的局部表征相结合，来提高多模态推荐的准确性和鲁棒性。在三个公开的基准数据集上进行的实验表明，LGMRec模型优于各种先进的推荐基线，同时展示了它在建模局部和全局用户兴趣方面的有效性。

   AAAI是人工智能领域中历史最悠久、涵盖内容最广泛的国际顶级学术会议之一（CCF A类会议），本届会议共收到投稿论文12100篇，有效投稿9862篇，最终录用2342篇，录用率约为23.75%。李国徽教授是该学术论文的通讯作者。