通过构建动态用户知识图谱增强偶发性推荐系统.pdfVIP

通过构建动态用户知识图谱增强偶发性推荐

系统

QianYong∗†YanhuiLi†JialiangShi

sarahyongq@liyanhui@shijialiang@

ShanghaiDewuInformationXi’anJiaotongUniversityShanghaiDewuInformation

GroupCo.,Ltd.Xi’an,Shaanxi,ChinaGroupCo.,Ltd.

Shanghai,ChinaShanghai,China

YaguangDouTianQi

本douyaguang@qitian@

译ShanghaiDewuInformationShanghaiDewuInformation

中GroupCo.,Ltd.GroupCo.,Ltd.

1

vShanghai,ChinaShanghai,China

2

3摘要我们提出了一种利用大型语言模型动态构建用户知识

0图谱的方法，从而增强推荐系统的偶发性。该方法包

4工业推荐系统中“系统推荐→用户反馈→系统再推

0括一个两阶段框架：(1)两跳兴趣推理，使用用户的静

.荐”的反馈循环导致了高度相似和收敛的推荐结果。

8态资料和历史行为通过大型语言模型动态构建用户知

0这个循环强化了同质化内容，产生了过滤气泡效应，

5识图谱，在构建的图上进行可以提高LLM推理结果

2并降低了用户满意度。近期，大型语言模型（LLMs）因质量和准确性的两跳推理来识别用户的潜在兴趣；以

:其广泛的世界知识和优越的推理能力，在偶发性推荐

v

i及(2)近线适应，一种在工业推荐系统中部署上述模

x方面显示出潜力。然而，这些模型在确保推理过程的

r型的成本效益方法。我们提出了一种u2i（用户到项

a合理性、推理结果的有效性和满足工业推荐系统（RSs）

目）检索模型，该模型还结合了i2i（项目到项目）检

的延迟要求等方面仍面临挑战。为了解决这些问题，

索能力，检索出的项目不仅与用户新出现的兴趣表现

∗Correspondingauthor

†出强烈的关联性，而且保持了传