MURAL: Multimodal Uncertainty-aware Recommendation via Adaptive edge Learning

📄 arXiv: 2609.04574v1 📥 PDF

作者: Ahmad Mousavi, Majid Alikhani, Yeon-Chang Lee, Roberto Corizzo, Yeganeh Abdollahinejad

分类: cs.IR, cs.LG, cs.SI

发布日期: 2026-09-04

💡 一句话要点

提出MURAL以解决多模态推荐中的结构刚性与语义脆弱问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多模态推荐 图神经网络 不确定性感知 自适应学习 动态拓扑发现

📋 核心要点

  1. 现有多模态推荐方法依赖静态相似性图，导致结构刚性，无法适应用户偏好的变化。
  2. MURAL通过自适应边学习和不确定性感知融合模块，动态发现拓扑结构并处理模态噪声。
  3. 在TikTok和Amazon等大规模基准测试中，MURAL显著提高了推荐准确性，并提供了更好的可解释性。

📝 摘要（中文）

多模态图神经网络已成为推荐系统的标准方法，通过内容特征增强稀疏交互数据。然而，现有架构面临两个瓶颈：结构刚性，依赖静态预计算相似性图，无法适应不断变化的偏好；语义脆弱性，噪声模态信号被无差别融合，扭曲了协同信号。我们提出MURAL（多模态不确定性感知推荐通过自适应边学习），一个统一框架，将多模态推荐从固定结构增强转变为动态拓扑发现。为了解决结构刚性问题，自适应边学习器结合可微分检索增强策略与近似最近邻搜索，发现语义自适应且计算可扩展的潜在物品间相关性。为了解决语义脆弱性，不确定性感知融合模块建模异构模态的随机不确定性，动态降低不可靠特征的权重，同时优先考虑高置信信号。实验表明，MURAL在大规模基准数据集上显著超越现有的结构和生成基线，取得了更高的准确性和可解释性。

🔬 方法详解

问题定义：本论文旨在解决多模态推荐系统中的结构刚性和语义脆弱性问题。现有方法依赖静态相似性图，无法适应用户偏好的变化，同时噪声模态信号的无差别融合导致协同信号的扭曲。

核心思路：MURAL的核心思路是通过自适应边学习和不确定性感知融合，动态发现物品间的潜在相关性，并有效处理模态间的噪声。这样的设计使得推荐系统能够更好地适应用户的变化偏好，并提高推荐的准确性。

技术框架：MURAL的整体架构包括自适应边学习器和不确定性感知融合模块。自适应边学习器结合了可微分检索增强策略和近似最近邻搜索，动态发现物品间的相关性；不确定性感知融合模块则负责建模异构模态的随机不确定性。

关键创新：MURAL的主要创新在于将多模态推荐从固定结构增强转变为动态拓扑发现，解决了现有方法的结构刚性和语义脆弱性问题。与传统方法相比，MURAL能够更灵活地适应用户偏好变化。

关键设计：在设计中，MURAL采用了动态权重调整机制，通过不确定性感知模块降低不可靠特征的权重，并优先考虑高置信信号。此外，采用对比教师-学生对齐策略，确保模态特定表示与稳定行为信号的锚定，优化稳定性。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

在实验中，MURAL在TikTok和Amazon等大规模数据集上显著超越了现有的结构和生成基线，推荐准确性提升幅度达到XX%（具体数据未知），同时在极端数据损坏情况下表现出更强的鲁棒性，提供了更好的可解释性。

🎯 应用场景

MURAL的研究成果在推荐系统领域具有广泛的应用潜力，尤其是在电商、社交媒体和内容推荐等场景。通过提高推荐的准确性和可解释性，MURAL能够帮助平台更好地满足用户需求，提升用户体验。此外，动态拓扑发现的能力也为未来的个性化推荐提供了新的思路和方法。

📄 摘要（原文）

Multimodal Graph Neural Networks have become standard for recommendation by augmenting sparse interaction data with content features. Yet current architectures face two bottlenecks: structural rigidity, from a reliance on static precomputed similarity graphs that cannot adapt to evolving preferences; and semantic fragility, where noisy modality signals are indiscriminately fused, distorting the collaborative signal. We propose MURAL (Multimodal Uncertainty-aware Recommendation via Adaptive edge Learning), a unified framework that shifts multimodal recommendation from fixed structural augmentation to dynamic topology discovery. To address structural rigidity, an Adaptive Edge Learner combines a differentiable retrieval-augmented strategy with an approximate nearest neighbor search to discover latent item-item correlations that are both semantically adaptive and computationally scalable (O(NlogN)). To address semantic fragility, an Uncertainty-Aware Fusion module models the aleatoric uncertainty of heterogeneous modalities, dynamically down-weighting unreliable features while prioritizing high-confidence signals as a defense against cross-modal noise. We further employ a contrastive teacher-student alignment that anchors modality-specific representations to stable behavioral signals, ensuring optimization stability without gradient leakage. Experiments on large-scale benchmarks including TikTok and Amazon show that MURAL significantly surpasses both structural and generative state-of-the-art baselines, achieving superior accuracy while offering interpretability through domain-specific modality dominance and robustness under extreme data corruption.