探索人格特质对对话式推荐系统的影响：基于大语言模型的模拟
计算与语言
2025-04-18 v1 人机交互
摘要
对话式推荐系统（CRSs）通过与用户进行多轮交互以提供个性化推荐。大型语言模型（LLMs）的出现通过实现更自然、更动态的用户交互进一步增强了这些系统。然而，理解人格特质如何影响对话式推荐结果仍是一个关键挑战。心理学证据强调了人格特质对用户交互行为的影响。为解决此问题，我们引入了一种基于LLM的面向CRSs的人格感知用户模拟（PerCRS）。用户代理引入了可定制的人格特质与偏好，而系统代理具备说服能力以模拟CRSs中真实的交互。我们纳入多维度评估以确保稳健性，并从用户和系统双重视角进行了广泛分析。实验结果表明，最先进的LLMs能够有效生成符合指定人格特质的多样化用户响应，从而促使CRSs动态调整其推荐策略。我们的实验分析为人格特质对对话式推荐系统结果的影响提供了经验见解。
引用
@article{arxiv.2504.12313,
title = {Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models},
author = {Xiaoyan Zhao and Yang Deng and Wenjie Wang and Hongzhan lin and Hong Cheng and Rui Zhang and See-Kiong Ng and Tat-Seng Chua},
journal= {arXiv preprint arXiv:2504.12313},
year = {2025}
}