利用LLM增强日志与个性化提示预测智能空间中的用户行为
人机交互
2025-04-16 v2
摘要
提升智能系统（如智能家居、智能汽车和智能电网）的智能化程度，关键在于开发能够基于历史交互预测下一个所需功能的复杂规划能力。虽然现有方法将用户行为视为序列数据并应用 RNNs 和 Transformers 等模型来预测未来动作，但它们往往未能结合领域知识并捕捉个性化用户偏好。在本文中，我们提出了一种结合 LLM 增强日志和个性化提示的新颖方法。我们的方法首先构建一个图，捕捉源自用户交互历史的个体行为偏好。该图有效地转化为位于用户行为序列之前的软连续提示。然后，我们的方法利用预训练 LLM 的海量通用知识和强大推理能力来丰富过度简化和不完整的日志记录。通过在语义上增强这些日志，我们的方法能更好地理解用户的动作和意图，尤其是对于数据集中那些罕见的事件。我们在来自智能汽车和智能家居场景的四个真实世界数据集上评估了该方法。研究结果验证了我们 LLM 增强描述和个性化提示的有效性，为推进智能空间的智能化指明了潜在途径。
引用
@article{arxiv.2412.12653,
title = {Predicting User Behavior in Smart Spaces with LLM-Enhanced Logs and Personalized Prompts},
author = {Yunpeng Song and Jiawei Li and Yiheng Bian and Zhongmin Cai},
journal= {arXiv preprint arXiv:2412.12653},
year = {2025}
}