双强化产品捆绑：连接交互式图与大语言模型
计算与语言
2026-04-16 v1 信息检索
摘要
产品捆绑通过推荐互补物品组合来提升电子商务收入。然而，现有方法面临两个关键挑战：（1）协同过滤方法因依赖历史交互数据，难以处理冷启动物品；（2）大语言模型缺乏直接建模交互图的内在能力。为弥合这一差距，我们提出一种双强化方法，集成交互式图学习与大语言模型驱动的语义理解，用于产品捆绑。该方法引入图到文本范式，利用动态概念绑定机制（Dynamic Concept Binding Mechanism, DCBM）将图结构翻译为自然语言提示。DCBM在将领域特定实体与大语言模型分词机制对齐方面发挥关键作用，使其能够有效理解组合约束。在三个基准数据集（POG、POG_dense、Steam）上的实验表明，我们的方法相比当前最先进的基线方法实现了6.3%至26.5%的提升。
引用
@article{arxiv.2604.14030,
title = {Dual-Enhancement Product Bundling: Bridging Interactive Graph and Large Language Model},
author = {Zhe Huang and Peng Wang and Yan Zheng and Sen Song and Longjun Cai},
journal= {arXiv preprint arXiv:2604.14030},
year = {2026}
}