基于知识图谱和大语言模型增强的推荐系统研究.pdfVIP

TOPIC专题29

基于知识图谱和大语言模型

增强的推荐系统研究

王敏，高晓影，汪诗蕊，向阳

同济大学计算机科学与技术学院，上海200000

摘要

推荐系统的核心是用户和商品，用户与商品之间的关系可抽象为图结构，因此图神经网络在推荐领域具有

广泛应用。但基于图的推荐交互数据较稀疏，严重依赖于编号信息和图结构信息，忽略了与用户和商品相

关的有价值的文本信息，表征信息较少。同时，隐式反馈数据中存在一定的噪声和偏差，为推荐系统理解

用户行为与偏好带来挑战。为了解决这些问题，提出了一种基于知识图谱和大语言模型增强的推荐系统。

知识图谱可以提供商品的结构化信息，使模型能学习商品之间的潜在关系，理解用户行为和偏好。大语言

模型具备非常出色的生成与理解能力，可以通过提示工程技术，深入分析并挖掘文本信息，推理获取商品

和用户画像特征。所提模型分别将这些辅助信息增强的特征编码，并对表征进行增强以与图神经网络获得

的ID表征对齐，完成下游推荐任务。实验结果证明，本文提出的系统可以全面地表征用户和商品，具有较

好的性能。

关键词

大语言模型；知识图谱；推荐系统；表征学习

中图分类号：TP391.1文献标志码：Adoi：10.11959/j.issn.2096-0271.2025026

Researchonrecommendationsystem

basedonknowledgegraphandlarge

languagemodelenhancement

WANGMin,GAOXiaoying,WANGShirui,XIANGYang

CollegeofComputerScienceandTechnology,TongjiUniversity,Shanghai200000,China

Abstract

Thecoreofrecommendationsystemisuserandcommodity,therelationshipbetweenuserandcommoditycanbe

abstractedasgraphstructure,sographneuralnetworkhasbeenwidelyusedinrecommendationfield.However,graph-

basedrecommendationinteractiondataissparse,relyingheavilyonnumberinginformationandgraphstructure

information,ignoringvaluabletextinformationrelatedtouserandcommodity,andlessrepresentationalinformation.

Atthesametime,therearesomenoiseandbiasintheimplicitfeedbackdata,whichbringchallengesfor

recommendationsystemtounderstanduserbehaviorandpreferences.Tosolvetheseproblems,thispaperproposesa

recommendationsystembasedonknowledgegraphandlargelanguagemodelenhancement.Knowledgegraphscan

providestructuredinformationaboutcommodities,enablingmodels