物理信息神经符号推荐系统：面向个性化营养的双物理方法
信息检索
2026-01-28 v1
摘要
传统的电子商务推荐系统主要优化用户参与度和购买可能性，常常忽略人类健康所需的严格生理约束。标准的协同过滤算法在结构上对这些硬性限制视而不见，经常推荐无法满足特定每日总能量消耗和宏量营养素平衡要求的商品组合。为解决这一脱节问题，本文介绍了一种物理信息神经符号推荐系统，该系统通过双层架构将营养科学直接集成到推荐流程中。该框架首先使用句子级编码器构建语义知识图谱，以严格地将商业产品与权威营养数据对齐。在训练阶段，隐式物理正则化器应用可微的热力学损失函数，确保学习到的潜在嵌入反映营养合理性而非简单的流行度。随后，在推理阶段，显式物理优化器采用模拟退火和弹性数量优化，以生成严格符合用户蛋白质和热量目标的离散杂货组合。
引用
@article{arxiv.2601.19244,
title = {Physics-Informed Neuro-Symbolic Recommender System: A Dual-Physics Approach for Personalized Nutrition},
author = {Chayan Banerjee},
journal= {arXiv preprint arXiv:2601.19244},
year = {2026}
}