HyperAgent4POI：多代理超图上的动态语义消息传递，用于缺失模态推荐

下一个兴趣点 (POI) 推荐受益于描述场所语义的文本和视觉内容，但此类内容在现实世界的服务中通常是不完整的。缺失的模式会削弱 POI 表示并减少可用于排名的语义证据。由此产生的表示还为高阶用户 - POI 交互建模提供了不可靠的证据。我们提出了 HyperAgent4POI，它使用动态语义消息传递（DSMP）在每个超图层内执行模态完成和软关联细化。持久节点代理共享冻结的 Llama 主干，并使用特定于角色的适配器来生成节点到超边缘的消息。由这些消息形成的语义超边缘图案指导软关联评分和模态完成。最终节点表示被缓存以进行在线排名，无需 LLM 调用。对三个真实世界 LBSN 数据集的实验表明，在模态缺失率方面，超过 15 个基线的排名获得了一致的提升，而缓存推理则提供了实用的在线效率。在模态缺失率为 60% 的情况下，HyperAgent4POI 在三个数据集中将 NDCG@20 比最强基线平均提高了 8.2%。