现代电商平台自然提供文本商品描述、商品图片和用户评论三种互补模态。已有的多模态推荐方法往往忽略评论，或未在统一框架中融合全部三种模态。为此我们提出 MPIUR——一种基于异构图的多模态推荐模型。模型首先将用户评论构建为异构图节点，利用图神经网络捕获评论的语义关联。随后通过共享投影层对齐图像特征和文本特征，使两种视觉与语言表示在同一潜在空间中可比。针对不同商品的交互密度，MPIUR 引入协同‑语义对齐机制，根据稀疏程度自适应调节协同过滤信号与语义相似度的权重。实验在 Amazon Reviews 2023 的乐器和母婴两个品类上进行，MPIUR 在全局 nDCG@10 与 Recall@10 上均优于所有对比方法，且在交互稀疏的商品上同样取得最佳成绩，表明在交互历史有限时，联合利用评论与多模态商品内容尤为有效。
点评：MPIUR 通过异构图编码评论并实现跨模态对齐，显著提升了稀疏场景下的推荐质量，为多模态推荐提供了可扩展的统一框架。