计算机科学与探索

作者：常保发, 车超, 梁艳

单位：1. 大连大学 先进设计与智能计算省部共建教育部重点实验室，辽宁 大连 1166222. 大连大学 软件工程学院，辽宁 大连 1166223. 上海建桥学院 机电学院，上海 201306

关键词：推荐系统,序列推荐,大语言模型,多轮对话机制

基金：国家自然科学基金（62076045）；辽宁省教育厅项目（LJKFZ20220290）。

近来结合大语言模型的推荐方法在提高推荐准确度和增强用户体验等方面展现出明显的优越性。然而这些方法存在没有充分利用用户信息、仅使用单轮对话无法学习用户多次交互的行为特征、大语言模型与推荐系统之间存在巨大的语义差异等问题。针对这些问题，提出了一个基于大语言模型多轮对话模式的推荐模型。该模型利用矢量量化技术将用户信息转化为用户索引，并通过微调任务把大语言模型的语言语义与推荐系统的协作语义整合，不仅学习了用户特征而且缓解了语义差异问题；将用户索引与历史交互数据拼接成提示语，再经过多轮对话机制进行推荐微调，从而学习用户交互行为之间的特征。模型在亚马逊Instructions、Arts和Games三个数据集上进行实验，结果表明模型在命中率（HR）和归一化折损累计增益（NDCG）两个评价指标上优于对比基线算法，在三个数据集上与最优对比基线算法相比，HR平均提升10.53%，NDCG平均提升5.10%，证明了模型的有效性。

来源：2025年第2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2期