解读情绪：通过 CGAN 和LLM进行情感引导的书籍到音乐推荐

与文本情绪相匹配的背景音乐已被证明可以让读者感觉更加沉浸并改善他们的阅读体验，从而激励推荐系统将书籍与情绪匹配的音乐配对。在这个方向上，我们提出了用于跨域推荐的情感感知生成对抗网络（SAGA-CDR），这是一个两阶段的跨域推荐框架，可以个性化音乐建议并在情感上将其与正在阅读的书籍保持一致。在第一阶段，基于变压器的情感嵌入是根据用户评论构建的，并通过条件生成对抗网络跨域映射，其掩模条件生成器处理缺失的情感成分并注入随机性以实现更丰富的偏好传递。然后，紧凑的评分神经网络将特定情感的交互分数与协作过滤融合，然后再预测音乐评分。在第二阶段，大语言模型将每本书分类为价唤醒情感象限，并过滤候选曲目以匹配该象限。在英文亚马逊和中文豆瓣数据集上的实验表明，SAGA-CDR 在亚马逊上实现了最好的评分预测精度（RMSE 0.98），在豆瓣上实现了最低的 RMSE（0.91），即使在跨语言环境中，其排名性能也可以与最强的情感感知基线相媲美。