MURAL: Multimodal Uncertainty-aware Recommendation via Adaptive edge Learning
MURAL 提出一种基于自适应边缘学习的多模态不确定性感知推荐框架，旨在解决现有架构结构僵化与语义脆弱问题。该框架通过自适应边缘学习者结合可微检索增强策略与近似最近邻搜索，以 O(NlogN) 复杂度发现语义自适应且计算可扩展的潜在物品关联；同时利用不确定性感知融合模块对异构模态的偶然不确定性进行建模，动态降低不可靠特征权重并优先高置信度信号。此外，采用对比式师生对齐将模态特定表征锚定至稳定行为信号，确保优化稳定性。在 TikTok 和 Amazon 等大规模基准测试中，MURAL 显著超越结构及生成类最先进基线，实现了更高精度、通过领域特定模态主导性提供的可解释性以及极端数据损坏下的鲁棒性。