原创力文档中文摘要
摘要
在数字化浪潮与大数据环境的驱动下，推荐系统已成为化解信息过载、实现个
性化资源匹配的关键技术。然而，随着交互场景的日益复杂，传统模型在挖掘深度
特征联系与融合多源异质信息时遭遇了瓶颈。一方面，特征交互建模面临“效能与
效率”的失衡，现有算法难以动态感知不同语境下特征组合的贡献差异，且高阶交
互带来的计算开销呈指数级增长；另一方面，多模态推荐面临“噪声干扰与优化失
调”的困境，异质数据中的冗余噪声易随网络传播而泛化，且模
中文摘要
摘要
在数字化浪潮与大数据环境的驱动下，推荐系统已成为化解信息过载、实现个
性化资源匹配的关键技术。然而，随着交互场景的日益复杂，传统模型在挖掘深度
特征联系与融合多源异质信息时遭遇了瓶颈。一方面，特征交互建模面临“效能与
效率”的失衡，现有算法难以动态感知不同语境下特征组合的贡献差异，且高阶交
互带来的计算开销呈指数级增长；另一方面，多模态推荐面临“噪声干扰与优化失
调”的困境，异质数据中的冗余噪声易随网络传播而泛化，且模
文档评论（0）