计算机科学与探索

作者：张霄雁, 江诗琪, 孟祥福

单位：辽宁工程技术大学 电子与信息工程学院, 辽宁 葫芦岛 125105

关键词：表示学习,图嵌入,异构信息网络,跨模态融合,对抗攻击,节点分类

基金：国家自然科学基金（61772249）。

当前食谱表示学习方法主要依赖于通过将食谱文本与图像进行对齐，或利用邻接矩阵捕捉食谱与其用料之间关系的方式，学习食谱的嵌入表示。然而，这些方法在信息融合处理上较为粗糙，未能深入挖掘不同模态之间的交叉信息，且难以有效地动态评估食谱组成要素之间的关联强度，导致模型的表示能力受限。针对上述问题，提出一种基于异构信息网络的多模态食谱表示学习模型（CookRec2vec）。将视觉、文本和关系信息集成到食谱嵌入中，通过自适应的邻接关系更加充分挖掘和量化食谱组成要素之间的关联信息及其强度，同时基于高阶共现矩阵的显式建模方法提供了互补信息且保留了原有特性，显著提高了食谱特征表达能力。实验结果表明，所提模型在食谱分类性能上优于现有主流方法，并在创新菜嵌入预测方面取得了显著进展。

来源：2025年第10期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第10期