摘要
本申请提供了一种基于多模态的广告推荐方法及相关装置，通过多模态特征对齐、动态权重优化及因果效应解耦，系统性解决传统推荐技术在复杂场景下的技术瓶颈。首先，分别提取视频、文本及用户行为序列的模态特征，构建跨模态对比损失函数强化多模态语义对齐；其次，通过反向传播动态更新各模态权重，结合跨模态相似度计算实现广告召回与排序；进一步引入反事实因果推理模块，通过倾向得分估计与反事实结果预测，消除环境混杂变量对推荐效果的干扰，精准量化广告曝光的真实因果效应。该方案将表征学习、动态决策与因果推断深度融合，为短视频广告推荐提供了可泛化且抗噪声的技术框架，显著优于传统协同过滤、矩阵分解等方法的性能边界。
