AdaRec：基于叙事轮廓和双通道推理的自适应推荐
计算与语言
2025-11-11 v1 人工智能
计算工程、金融与科学
摘要
我们提出了 AdaRec，一个利用大语言模型进行自适应个性化推荐的少样本情境学习框架。AdaRec 引入了叙事轮廓，将用户-项目交互转换为自然语言表示，以实现统一的任务处理并增强可读性。围绕二元推理范式，AdaRec 采用双通道架构，集成水平行为对齐以发现同行驱动的模式，同时进行垂直因果归因，以突出用户偏好背后的决定性因素。与现有的基于 LLM 的方法不同，AdaRec 通过语义表示消除了手动特征工程，支持在最小监督条件下进行快速的跨任务适应。实验在真实电子商务数据集上表明，AdaRec 在少样本设置下相比机器学习模型和 LLM 基线方法提升了最高可达八个百分点。在零样本场景下，相较于专家构建的轮廓实现了最高可达十九个百分点的提升，显示出在最少交互数据的情况下对长尾个性化的有效性。此外，对 AdaRec 生成的合成数据进行的轻量级微调可匹配完全微调模型的性能，凸显其在 diverse 任务上的效率和泛化能力。
引用
@article{arxiv.2511.07166,
title = {AdaRec: Adaptive Recommendation with LLMs via Narrative Profiling and Dual-Channel Reasoning},
author = {Meiyun Wang and Charin Polpanumas},
journal= {arXiv preprint arXiv:2511.07166},
year = {2025}
}