基于大语言模型中代理推理的本地生活服务推荐优化
信息检索
2026-04-16 v1
摘要
本地生活服务推荐与一般性推荐场景不同，具有强烈的生活需求驱动属性。从根本上说，准确识别用户的即时生活需求并推荐相应服务是紧密相关的任务。然而，现有研究通常将这两个任务单独处理，无法实现需求预测与服务推荐的统一建模。本文提出了一种基于大语言模型的新型框架，联合完成生活需求预测与服务推荐。为解决原始消费数据噪声问题，本文引入行为聚类方法，过滤偶发因素，仅保留典型模式，从而使模型能够学习健壮的需求生成逻辑，并自然推广至长尾场景。为导航由多样需求、商户及复杂映射路径构成的庞大搜索空间，我们采用课程学习策略结合可验证奖励的强化学习。该方法引导模型依次学习从需求生成到类别映射再到具体服务选择的逻辑。大量实验表明，我们的统一框架显著提升了生活需求预测性能和推荐准确度，验证了联合建模生活需求与用户行为的有效性。
引用
@article{arxiv.2604.14051,
title = {Enhancing Local Life Service Recommendation with Agentic Reasoning in Large Language Model},
author = {Shiteng Cao and Xiaochong Lan and Yuwei Du and Jie Feng and Yinxing Liu and Xinlei Shi and Yong Li},
journal= {arXiv preprint arXiv:2604.14051},
year = {2026}
}