PeReGrINE：基于用户-物品图上下文评估个性化评论保真度
信息检索
2026-04-10 v1 计算与语言
摘要
我们介绍PeReGrINE，一个基于图结构用户-物品证据进行个性化评论生成的基准和评估框架。PeReGrINE将Amazon Reviews 2023重构为具有时序一致性的二分图，其中每个目标评论在明确的时间截止条件下，以用户历史、物品上下文和邻域互动的受限证据为条件。为了在不直接依赖稀疏原始历史的前提下表示持久的用户偏好，我们计算一个用户风格参数，该参数总结了用户在先前评论中所表现的语言和情感倾向。这一设置支持对四种图派生检索设置进行受控比较：产品-仅、用户-仅、邻域-仅和组合证据。除了标准生成指标之外，我们还引入了Dissonance Analysis（不和谐分析），这是一种衡量偏离预期用户风格和产品层面共识的宏观级评估框架。我们还研究了视觉证据作为辅助上下文来源，发现它在某些设置下可以提高文本质量，但图派生证据仍是个人化和一致性的主要驱动力。跨产品类别，PeReGrINE提供了一种可复现的方法，用于研究证据组成如何影响评论的保真度、个人化和检索条件下的 grounding。
引用
@article{arxiv.2604.07788,
title = {PeReGrINE: Evaluating Personalized Review Fidelity with User Item Graph Context},
author = {Steven Au and Baihan Lin},
journal= {arXiv preprint arXiv:2604.07788},
year = {2026}
}