基于评论提炼表征的感官感知序列推荐
计算与语言
2026-04-29 v3 人工智能
摘要
我们提出了一种新的感官感知序列推荐框架，通过从产品评论中提取的语言学感官属性丰富物品表征。我们的 方法 ASER（Attribute-based Sensory-Enhanced Representation）引入了一个离线提取-蒸馏管道，首先微调大型语言模型作为教师，从非结构化评论文本中提取结构化感官属性值对，如 color: matte black 和 scent: vanilla。随后将提取的结构信息蒸馏到紧凑的学生变换器中，为每个物品生成固定维度的感官嵌入。这些嵌入以可重用的形式编码体验语义，并纳入标准序列推荐架构作为额外的物品级表征。我们在五个亚马逊领域上评估了该方法，并将所学感官嵌入集成到 SASRec、BERT4Rec、BSARec 和 DIFF 中。在20个领域-骨干组合中，感官增强模型在 HR@10 和 NDCG@10 上19个案例中均优于对应的非感官模型，HR@10平均提升7.9%，NDCG@10平均提升11.2%。定性分析进一步表明，提取的属性与人类对产品的感知高度一致，实现了自然语言描述与推荐行为之间的可解释联系。总体而言，本工作表明感官属性蒸馏提供了一种原则且可扩展的方式，通过结构化语义表征学习桥接信息提取与序列推荐。
引用
@article{arxiv.2603.02709,
title = {Sensory-Aware Sequential Recommendation via Review-Distilled Representations},
author = {Yeo Chan Yoon and Chanjun Park and Kyuhan Koh},
journal= {arXiv preprint arXiv:2603.02709},
year = {2026}
}