MATRAG：多代理透明检索增强生成可解释的建议

基于大语言模型（LLM）的推荐系统在理解用户偏好和生成个性化建议方面表现出了卓越的能力。然而，现有方法在透明度、知识基础以及提供连贯解释以促进用户信任的能力方面面临着严峻的挑战。我们引入 MATRAG（多智能体透明检索增强生成），这是一种新颖的框架，它将多智能体协作与知识图增强检索相结合，以提供可解释的建议。 MATRAG 采用四个专门的代理：构建动态偏好配置文件的用户建模代理、从知识图中提取语义特征的项目分析代理、合成协作和基于内容的信号的推理代理以及基于检索到的知识生成自然语言理由的解释代理。我们的框架采用了透明度评分机制，可以量化解释 忠实性 和相关性。对三个基准数据集（Amazon Reviews、MovieLens-1M 和 Yelp）的大量实验表明，MATRAG 实现了最先进的性能，与领先基线相比，推荐准确度提高了 12.7%（命中率）和 15.3%（NDCG），而人工评估证实，87.4% 的生成解释被领域专家评为有用且值得信赖。我们的工作为透明、代理的推荐系统建立了新的基准，并为在生产环境中部署基于 LLM 的推荐系统提供了可行的见解。