一种基于跨模态特征解耦与知识蒸馏的多媒体推荐方法

本发明公开了一种基于跨模态特征解耦与知识蒸馏的多媒体推荐方法，包括：1. 用户‑物品交互图的构建；2. 图学习；3. 多模态特征处理；4. 跨模态差异特征学习模块；5. 跨模态共性特征学习模块；6. 评分计算和损失函数构建；7. 模型训练和推荐结果生成。本发明针对多模态数据的推荐任务，提出了一种显式解耦策略，将用户的多模态偏好拆分为跨模态差异特征和共性特征的独立学习过程，同时，通过创新性地设计知识蒸馏机制，促进跨模态特征的高效学习，从而能够有效缓解多模态内容中用户偏好的混淆和纠缠问题，并显著增强推荐系统对复杂多模态数据的理解深度与预测精度。