生成式对话推荐系统

会话推荐系统旨在通过自然语言交互提供个性化推荐。然而，现有方法要么将推荐与对话生成分离，要么依赖基于检索的管道，限制了推荐和响应生成之间的集成，并导致用户意图的次优建模。在本文中，我们提出了一种完全生成的会话推荐系统，它将推荐和对话生成统一在单个自回归框架内。我们的方法将项目表示为离散语义 ID，并将它们直接集成到生成过程中，从而通过下一个词元建模实现项目和响应的联合预测。我们进一步引入了一种结构化生成范例，它将会话推荐分解为一系列相互依赖的决策，其中模型首先预测响应意图和推荐目标，然后生成以它们为条件的响应。这种设计支持端到端优化，强制执行更连贯的依赖结构，并通过约束解码支持忠实的项目生成。大量实验表明，我们的方法持续提高推荐性能，在 Recall@1 上比强基线实现高达 29% 的增益，同时保持有竞争力的对话质量。