SynthTRIPS：用于个人化旅游推荐基准查询生成的知识驱动框架

旅游推荐系统（TRS）在通过量身定制推荐来满足用户偏好、约束和情境因素，从而个性化旅行体验方面发挥着关键作用。然而，公开可用的旅游数据集往往缺乏足够的广度和深度，限制了其支持高级个性化策略的能力——特别是对于可持续旅游和淡季旅游。本文我们探索使用大型语言模型（LLM）生成模拟旅游查询，这些查询模拟多样化的用户个人资料，并包含预算约束和可持续性偏好等结构化过滤器。本文引入一种新的SynthTRIPS框架，用于基于精选知识库（KB）的LLM生成模拟旅游查询。我们的方法将基于个人资料的偏好（如预算、旅行风格）与明确的可持续性过滤器（如可步行性、空气质量）相结合，以产生真实且多样化的查询。通过在KB中 grounding LLM响应来缓解幻觉并确保事实正确性。我们形式化了查询生成过程，并引入衡量真实性和对齐性的评估指标。人类专家评估和自动LLM-based评估均表明，我们的合成数据集在捕捉复杂个性化方面具有效果，这些方面在现有数据集中存在不足。虽然我们的框架是为个人化城市旅行推荐开发和测试的，但该方法适用于其他推荐系统领域。代码和数据集已公开于https://bit.ly/synthTRIPs。