TimeMM: Time-as-Operator Spectral Filtering for Dynamic Multimodal Recommendation

1. Declaração do Problema

Sistemas de recomendação multimodal visam melhorar a modelagem de usuários integrando sinais colaborativos com conteúdo heterogêneo de itens (por exemplo, imagens e texto). No entanto, as abordagens existentes enfrentam duas limitações críticas em aplicações do mundo real:

• Pressupostos Temporais Estáticos: A maioria dos métodos mais avançados trata as interações usuário-item como grafos bipartidos estáticos, agregando dados históricos de forma indiscriminada. Isso falha em capturar a dinâmica não estacionária dos interesses dos usuários, onde diferentes fatores de preferência (por exemplo, estilo visual versus categoria semântica) evoluem em taxas distintas.
• Modelagem Espectral Rígida: Embora métodos espectrais de grafos recentes decomponham sinais em bandas de frequência para separar ruído de tendências, eles geralmente dependem de decomposição espectral explícita de grafos estáticos. Isso resulta em bases espectrais fixas que não podem se adaptar a mudanças temporais no comportamento do usuário. Além disso, frequentemente aplicam filtragem uniforme entre modalidades, ignorando que pistas visuais podem reagir mais rápido às tendências do que semânticas textuais.

O desafio central é modelar a evolução contínua da preferência com adaptação temporal de granularidade fina e sensibilidade específica à modalidade, sem incorrer no alto custo computacional da decomposição espectral explícita.

2. Metodologia: TimeMM

Os autores propõem o TimeMM, um framework que trata o tempo como um operador para induzir filtragem espectral implicitamente. A arquitetura consiste em quatro componentes principais:

A. Tempo como Operador (Kernels Temporais como um Banco de Filtros Espectrais)

Em vez de anexar o tempo como uma característica, o TimeMM mapeia a recência da interação diretamente no operador de propagação do grafo.

• Kernel de Proximidade Temporal: A recência da interação ($\Delta t$) é mapeada para pesos de aresta usando um kernel paramétrico: $w(\Delta t) = \exp(-\log(1+\Delta t)/\tau)$.
• Espectro de Escalas de Propagação: Um conjunto de escalas temporais $\{\tau_1, ..., \tau_K\}$ é definido. Cada escala gera uma matriz de adjacência ponderada distinta, criando um banco de filtros espectrais leve.
  • Pequeno $\tau$ (Escala curta): Enfatiza interações recentes (sinais de alta frequência, tendências transitórias).
  • Grande $\tau$ (Escala longa): Preserva o histórico de longo alcance (sinais de baixa frequência, hábitos estáveis).
• Propagação Paralela: A passagem de mensagens (baseada no LightGCN) é realizada em paralelo através dessas $K$ escalas. Isso evita a decomposição espectral explícita, mantendo complexidade de tempo linear $O(KL|E|D)$.

B. Filtragem Espectral Adaptativa

Como o perfil espectral ideal varia por usuário e item, o TimeMM aprende a misturar dinamicamente as saídas dos $K$ operadores.

• Estado de Contexto Temporal: Vetores compactos ($s_u, s_i$) são construídos a partir de estatísticas do histórico de interações (por exemplo, extensão da atividade, idade média da interação).
• Mecanismo de Portão (Gating): Uma rede de portão aprendível mapeia esses estados de contexto para pesos de mistura ($g_u, g_i$) sobre os $K$ operadores. Isso permite que o modelo selecione uma "resposta espectral efetiva" específica ao contexto atual de previsão (por exemplo, priorizando sinais de curto prazo para um usuário com interesses voláteis).

C. Roteamento de Modalidade Consciente Espectral

Reconhecendo que diferentes modalidades possuem sensibilidades temporais distintas, o TimeMM roteia contribuições de modalidades com base no regime espectral ativo.

• Roteamento Condicionado ao Contexto: Um codificador leve mapeia o contexto temporal para pesos de modalidade ($\beta$).
• Fusão Dinâmica: Recursos visuais e textuais são reponderados e concatenados. Por exemplo, regimes de curto alcance podem enfatizar pistas visuais (mudança rápida), enquanto regimes de longo alcance priorizam semânticas textuais (estáveis).

D. Regularização de Diversidade Espectral

Para evitar que o banco de operadores aprendido colapse em especialistas redundantes (colapso do banco de filtros), um termo de regularização é aplicado no espaço de classificação.

• Ele impõe diversidade nas margens de preferência de diferentes componentes espectrais, garantindo que cada operador aprenda um perfil de suavização complementar em vez de se reduzir a um comportamento médio idêntico.

3. Principais Contribuições

1. Paradigma Tempo como Operador: Uma abordagem inovadora que converte carimbos de tempo de interação em uma família de kernels temporais paramétricos, criando um banco de filtros espectrais implicitamente sem decomposição espectral dispendiosa.
2. Framework Adaptativo: A integração de Filtragem Espectral Adaptativa (mistura de operadores dependente de contexto) e Roteamento de Modalidade Consciente Espectral (ponderação de modalidades dependente de contexto) para lidar com dinâmicas de usuários não estacionárias e multiescala.
3. Escalabilidade: O método alcança escalabilidade de tempo linear em relação ao tamanho do grafo, tornando-o adequado para aplicações industriais em grande escala, ao contrário de métodos espectrais explícitos que são cúbicos em complexidade.
4. Interpretação Teórica: O artigo fornece um link teórico mostrando que a propagação ponderada por tempo proposta comporta-se como filtragem espectral polinomial, onde diferentes escalas temporais correspondem a diferentes respostas de frequência.

4. Resultados Experimentais

O modelo foi avaliado em quatro conjuntos de dados de referência da Amazon (CD, Game, Baby, Software) e em um conjunto de dados industrial offline do mundo real.

• Desempenho Geral: O TimeMM superou consistentemente as linhas de base mais avançadas (incluindo modelos multimodais estáticos como AlignRec, MMGCN, e modelos espectrais como SMORE, FITMM).
  • Alcançou melhorias relativas de 3%–10% em Recall@K e NDCG@K sobre as linhas de base mais fortes.
  • No conjunto de dados Industrial, melhorou o Recall@10 de 0,1221 (melhor linha de base) para 0,1271.
• Estudos de Ablação: A remoção do componente "Tempo como Operador" causou a maior queda de desempenho, confirmando que a injeção de dinâmicas temporais no operador de propagação é o principal motor do sucesso.
• Sensibilidade a Carimbos de Tempo: Experimentos de perturbação mostraram que o TimeMM é altamente sensível à ordem relativa dos carimbos de tempo. A mistura de carimbos de tempo causou degradação significativa de desempenho, provando que o modelo depende de estrutura temporal genuína e não de correlações acidentais.
• Análise de Extensão do Usuário: O ganho de desempenho do TimeMM sobre linhas de base espectrais estáticas aumentou com a extensão do histórico do usuário. Usuários de longo alcance (estrutura temporal mais rica) beneficiaram-se mais, validando a capacidade do modelo de capturar deriva de longo horizonte.
• Comportamento do Operador: A análise confirmou que os operadores aprendidos seguem uma ordem consistente de curto para longo (decaimento monotônico de energia), e o roteamento de modalidades muda sistematicamente (por exemplo, pistas visuais dominam para usuários de curto alcance, texto para usuários de longo alcance).

5. Significado

Este artigo representa um avanço significativo em sistemas de recomendação dinâmica ao conectar a lacuna entre a teoria de grafos espectrais e dinâmicas temporais.

• Mudança Teórica: Move-se do paradigma "grafo estático + característica de tempo" para um paradigma "tempo como operador", tratando o tempo como uma propriedade intrínseca da topologia do grafo.
• Impacto Prático: Ao evitar a decomposição espectral explícita, resolve o gargalo de escalabilidade dos métodos espectrais, tornando a modelagem avançada no domínio da frequência viável para sistemas em escala industrial com milhões de usuários e itens.
• Insight de Modalidade: Demonstra que sinais multimodais não são estáticos; sua relevância é condicionada dinamicamente ao regime temporal do usuário, oferecendo uma compreensão mais matizada da intenção do usuário.

O código é de código aberto, facilitando pesquisas adicionais em aprendizado de grafos dinâmicos e recomendação multimodal.