面向 grounding 对话式新闻推荐的意图驱动语义 ID 生成
计算与语言
2026-05-11 v1
摘要
对话式新闻推荐需要在快速演化的文章语料库中为每个建议提供 grounding，同时解决那些缺乏显式可检索关键词的隐式用户意图。为刻画这一场景，我们从生产对话中识别出 6 种意图类型：其中 5 种是隐式的，构成标准 RAG 流程的关键检索瓶颈。为解决这些问题，我们提出意图驱动的语义 ID (SID) 生成方案，基于 Generate-then-Match 范式。通过多任务 SID 对齐和 GPT-4 链律蒸馏的两阶段训练，LLM 将多样化意图映射到层次化 SID 前缀，然后进行模糊匹配，以确保完全 grounding 的推荐。Profile-Aware Dual-Signal Reasoning (PADR) 进一步 enables cold-start 用户仅凭 profile 获得有效推荐。在主流中文新闻平台上，我们的 7B 模型在 152K 开放生成 SID 空间中实现 0% 幻觉和 12.4% L1 匹配率（相当于随机基线的 4 倍）。在 L1 指标上与 GPT-4+混合 RAG 相当，但在更细粒度的指标上（L2 提升 2 倍，类别提升 1.2pp）表现更佳，成本降低约 100 倍。对于 cold-start 用户（现有基线得分为 0%），我们实现 18.0% L1（相当于随机基线的 6 倍），是所有用户组中最高的。
引用
@article{arxiv.2605.07613,
title = {Intent-Driven Semantic ID Generation for Grounded Conversational News Recommendation},
author = {Hongyang Su and Beibei Kong and Lei Cheng and Chengxiang Zhuo and Zang Li and Chenyun Yu},
journal= {arXiv preprint arXiv:2605.07613},
year = {2026}
}
备注
Accepted at ACL 2026 Industry Track (Oral)