LLM 驱动的对话式推荐系统的用户体验：以音乐推荐为例
人机交互
2025-02-25 v2
摘要
大型语言模型 (LLM) 的发展使得用户能够主动与对话式推荐系统 (CRS) 交互并构建符合自身独特需求和目标的个性化推荐服务。这一体验为用户提供了比传统 RS 更高的可控性，开启了全新的推荐体验维度。建立在此背景之上，本研究探讨了 LLM 驱动的 CRS 相对于传统 RS 能提供的独特体验。通过为 12 名参与者使用自定义 GPTs 进行音乐推荐的三周日记研究，我们发现 LLM 驱动的 CRS 能 (1) 帮助用户澄清隐式需求，(2) 支持独特的探索，和 (3) 促进对音乐偏好的更深入理解。基于这些发现，我们讨论了 LLM 驱动的 CRS 所启发的新的设计空间，并突出了其支持更个性化、以用户为导向的推荐体验的潜力。
引用
@article{arxiv.2502.15229,
title = {User Experience with LLM-powered Conversational Recommendation Systems: A Case of Music Recommendation},
author = {Sojeong Yun and Youn-kyung Lim},
journal= {arXiv preprint arXiv:2502.15229},
year = {2025}
}