TRACE：基于智能反事实解释的可持续旅游推荐对话框架
信息检索
2026-04-17 v1 人工智能
摘要
传统的对话式旅游推荐系统主要优化用户相关性和便利性，往往强化热门、拥挤的目的地以及碳密集型旅行选择。为此，我们提出TRACE(Tourism Recommendation with Agentic Counterfactual Explanations)，一个多智能体、基于大型语言模型的框架，通过交互式引导实现可持续旅游。TRACE采用模块化的 orchestrator-worker 架构，其中专门的智能体挖掘潜在的可持续性偏好，构建结构化的用户画像，并生成在相关性与环境影响之间进行平衡的推荐。其关键创新在于采用智能体反事实解释和LLM驱动的澄清问题，共同暴露更环保的替代方案并细化意图理解，促进用户反思而不施加强制。用户研究和语义对齐分析表明，TRACE在保持推荐质量和交互响应性的同时，有效支持可持续决策。TRACE基于Google的Agent Development Kit实现，完整代码、Docker配置、提示语和公开可用的演示视频确保可复现性。项目概述页面(包括所有资源、提示语和演示访问入口)可在 https://ashmibanerjee.github.io/trace-chatbot 查阅。
引用
@article{arxiv.2604.14223,
title = {TRACE: A Conversational Framework for Sustainable Tourism Recommendation with Agentic Counterfactual Explanations},
author = {Ashmi Banerjee and Adithi Satish and Wolfgang Wörndl and Yashar Deldjoo},
journal= {arXiv preprint arXiv:2604.14223},
year = {2026}
}