基于大语言模型和图神经网络的个性化金融产品推荐研究
信息检索
2025-06-09 v1 人工智能
摘要
随着金融科技的快速发展，个性化金融产品推荐变得越来越重要。传统方法，如协同过滤或基于内容的模型，常常无法捕捉用户潜在的偏好和复杂的关系。我们提出一种融合大语言模型（LLM）和图神经网络（GNN）的混合框架。预训练的大语言模型对文本数据（如用户评论）进行编码，生成丰富的特征向量；而异构用户-产品图则建模了用户之间的交互和社交关系。通过量身定制的消息传递机制，在图神经网络内部融合文本和图信息，以实现联合嵌入优化。在公开和真实世界的金融数据集上进行的实验表明，我们的模型在准确率、召回率和NDCG方面均优于单独使用的LLM或GNN模型，并具有良好的可解释性。这一工作为个性化金融推荐及更广泛的推荐任务中的跨模态融合提供了新的见解。
引用
@article{arxiv.2506.05873,
title = {Research on Personalized Financial Product Recommendation by Integrating Large Language Models and Graph Neural Networks},
author = {Yushang Zhao and Yike Peng and Dannier Li and Yuxin Yang and Chengrui Zhou and Jing Dong},
journal= {arXiv preprint arXiv:2506.05873},
year = {2025}
}