双增强产品捆绑：桥接Interactive Graph和大语言模型

产品捆绑通过推荐互补的商品组合来增加电子商务收入。然而，现有方法面临两个关键挑战：（1）由于依赖历史交互，协同过滤方法难以应对冷启动项目；（2）LLM 缺乏直接建模交互图的固有能力。为了弥补这一差距，我们提出了一种双重增强方法，该方法集成了交互式图学习和基于 LLM 的产品捆绑语义理解。我们的方法引入了图形到文本的范例，它利用动态概念绑定机制（DCBM）将图形结构转换为自然语言提示。 DCBM 在将特定领域实体与 LLM 标记化对齐方面发挥着关键作用，从而能够有效理解组合约束。三个基准测试（POG、POG_dense、Steam）的实验表明，与最先进的基准相比，性能提高了 6.3%-26.5%。