让协作信号发挥作用：用于顺序推荐的图形感知 大语言模型

大语言模型 (LLM) 已被广泛采用作为推荐系统的骨干。然而，他们以语言为中心的预训练使得很难捕获用户-项目交互中隐含的协作信号，而这对于个性化推荐至关重要。现有方法要么注入外部推荐器生成的协作表示，要么仅对序列内依赖关系进行建模，从而限制了它们利用全局协作模式的能力。为了解决这个限制，我们提出了 GALLM，一种用于顺序推荐的图感知 LLM 框架。 GALLM 在文本标记和项目标记上构建协作图，并对三种类型的关系进行建模：文本--用于保留语义依赖性的文本关系、项目--用于将项目标记与其文本描述对齐的文本关系，以及从全局项目共现模式派生的项目--项目关系。这些关系被转化为轻量级的可学习注意力偏差，并纳入 LLM 注意力机制中，从而无需引入额外的图形编码器即可实现协作感知的词元交互。对四个真实世界基准的实验表明，GALLM 在比较基准中实现了最佳性能，在 HR@5 中比最强基准平均提高了 9.76%。