CogRec：生成推荐的结构认知快慢推理

基于语义 ID 的生成推荐将每个项目表示为分层离散标记序列，并将下一个项目预测重新表述为约束序列生成。然而，现有的方法主要使用语义ID作为要记忆的目标序列，而没有充分利用层次结构、层内关系和项目邻域作为显式推理空间。显式推理增强生成方法通常会在项目标识符之前产生自然语言基本原理，但该基本原理仅与进行最终预测的离散 SID 空间弱耦合。我们提出了 CogRec，一种结构认知快慢推理框架，它将中间推理基于用于目标生成的相同 SID 拓扑。 CogRec 通过层内语义图和项目级邻域增强了垂直 SID 层次结构，并引入了 SID 路由来通过逐层 Match、LateralJump 和 Explore 操作来表示推荐推理。精确匹配实现快速语义定位，而横向和探索性操作则实例化较慢的结构导航。受监督的多级管道对齐新引入的 SID 词元，建立直接 SID 生成，并在同一 trie 约束输出空间下从共享检查点训练自然语言和 SID 路由推理分支。对三个公共顺序推荐基准的实验表明，SID 路由改进了其相应的直接生成，表明当前缀匹配不足但可学习的 SID 空间转换仍然可用时，基于结构的推理最有用，而长或弱支持的路由会引入额外的解码成本和累积错误。代码可在 https://github.com/caskcsg/CogRec 获取