何处与何物：情境化对话推荐中的动态与隐式偏好推理
人工智能
2026-04-23 v1
摘要
情境化对话推荐（SCR）利用特定环境中的视觉场景和自然语言对话来提供上下文相关的推荐，因其与现实世界场景的紧密契合，已成为一个有前景的研究方向。与传统推荐相比，SCR需要更深入地理解动态和隐式的用户偏好，因为周围场景常常影响用户的潜在兴趣，而两者都可能随着对话的进行而演变。这种复杂性显著影响了推荐的时机和相关性。为了解决这个问题，我们提出了情境偏好推理（SiPeR），这是一个整合了两个核心机制的新颖框架：（1）场景转换估计，用于估计当前场景是否满足用户需求，并在必要时引导用户转向更合适的场景；（2）贝叶斯逆推理，利用多模态大语言模型（MLLM）的似然性来预测用户对场景内候选物品的偏好。在两个代表性基准数据集上的大量实验证明了SiPeR在推荐准确性和回复生成质量上的优越性。代码和数据可在https://github.com/DongdingLin/SiPeR获取。
引用
@article{arxiv.2604.20749,
title = {Where and What: Reasoning Dynamic and Implicit Preferences in Situated Conversational Recommendation},
author = {Dongding Lin and Jian Wang and Yongqi Li and Wenjie Li},
journal= {arXiv preprint arXiv:2604.20749},
year = {2026}
}
备注
Accpeted by ACL 2026