EviSnap: 冷启动跨域推荐的可信证据引用解释
信息检索
2026-04-09 v1 人工智能
摘要
冷启动跨域推荐系统（CDR）仅利用用户源域行为来预测其在目标域中的偏好，但现有的CDR模型要么映射不透明的嵌入，要么依赖事后或LLM生成的难以审计的推理。我们引入了EviSnap，一个轻量级的CDR框架，其预测通过引用证据的可信推理来构建。EviSnap离线将噪声评论蒸馏为紧凑的切面卡片，每个切面配以逐字支持句子。然后，它通过聚类切面嵌入诱导一个共享的、跨域的概念库，并通过证据加权池化计算用户正面、用户负面和物品存在概念激活。单个线性概念到概念映射实现跨域用户迁移，线性评分头产生每个概念的加性贡献，从而实现基于引用句子的精确分数分解和反事实"如果……会怎样"编辑。在Amazon Reviews数据集上跨越书籍、电影和音乐六个迁移任务的实验表明，EviSnap持续优于强大的映射和评论文本基线，同时通过了基于删除和充分性的解释可信度测试。
引用
@article{arxiv.2604.06172,
title = {EviSnap: Faithful Evidence-Cited Explanations for Cold-Start Cross-Domain Recommendation},
author = {Yingjun Dai and Ahmed El-Roby},
journal= {arXiv preprint arXiv:2604.06172},
year = {2026}
}
备注
8 pages