DUET：在推荐系统中探索用户-物品档案的联合方法
信息检索
2026-04-16 v1
摘要
传统的推荐系统将用户和物品表示为稠密向量，并学习在共享潜在空间中对齐以进行相关性估计。近期基于大语言模型的推荐系统则利用更易解释且能与下游推理模块集成的自然语言表示。本文研究如何构建有效的用户和物品文本档案，以及如何进行对齐推荐。核心挑战在于，最佳档案格式事先未知：手动设计的模板可能脆弱且与任务目标不一致。此外，独立生成用户和物品档案可能产生在特定用户-物品对中在各自都合理却在语义上不一致的描述。我们提出了 Duet，这是一个感知用户-物品交互的档案生成器，条件化于用户历史记录和物品证据，联合生成用户和物品档案。Duet 遵循三个阶段的程序：首先将原始历史记录和元数据转化为紧凑线索，然后将这些线索扩展为配对档案提示，再生成档案，最后通过强化学习优化生成策略，其中以下游推荐性能作为反馈。实验在三个真实数据集上表明，Duet 持续地优于强基线，展示了无模板档案探索和联合用户-物品文本对齐的优势。
引用
@article{arxiv.2604.13801,
title = {DUET: Joint Exploration of User Item Profiles in Recommendation System},
author = {Yue Chen and Yifei Sun and Lu Wang and Fangkai Yang and Pu Zhao and Minjie Hong and Yifei Dong and Minghua He and Nan Hu and Jianjin Zhang and Zhiwei Dai and Yuefeng Zhan and Weihao Han and Hao Sun and Qingwei Lin and Weiwei Deng and Feng Sun and Qi Zhang and Saravan Rajmohan and Dongmei Zhang},
journal= {arXiv preprint arXiv:2604.13801},
year = {2026}
}
备注
15 pages, 2 figures