基于大语言模型的标签增强多注意力机制用于跨域序列推荐
计算机视觉与模式识别
2025-10-21 v2
摘要
跨域序列推荐（CDSR）在现代消费电子和电子商务平台中发挥着关键作用，用户在这些平台上与书籍、电影和在线零售产品等多样化服务进行交互。这些系统必须准确捕捉领域特定和跨域行为模式，以提供个性化和无缝的消费体验。为应对这一挑战，我们提出了TEMA-LLM（基于大语言模型的标签增强多注意力），一个实用且有效的框架，集成了大语言模型（LLMs）用于语义标签生成和增强。具体而言，TEMA-LLM使用LLM分配领域感知提示并从物品标题和描述生成描述性标签。生成的标签嵌入与物品标识符以及文本和视觉特征融合，以构建增强的物品表征。随后引入标签增强多注意力机制，用于联合建模域内和跨域的用户偏好，使系统能够捕捉复杂且不断变化的消费者兴趣。在四个大规模电子商务数据集上的广泛实验表明，TEMA-LLM持续优于最先进基线，凸显了基于LLM的语义标签和多注意力集成对面向消费者的推荐系统的益处。该方法突显了LLM在推进消费电子领域智能、以用户为中心的服务方面的潜力。
引用
@article{arxiv.2510.09224,
title = {Tag-Enriched Multi-Attention with Large Language Models for Cross-Domain Sequential Recommendation},
author = {Wangyu Wu and Xuhang Chen and Zhenhong Chen and Jing-En Jiang and Kim-Fung Tsang and Xiaowei Huang and Fei Ma and Jimin Xiao},
journal= {arXiv preprint arXiv:2510.09224},
year = {2025}
}
备注
Accepted in IEEE Transactions on Consumer Electronics 2025