arXiv cs.CL· Mingzhe Lu, Jian Qin, Ruize Qin, Jinhao Liu, Yunpeng Li, Hang Su·· 12 小时前AI 评分24
PDG-F：用有向无环图建模偏好依赖的叙事驱动推荐框架
Modeling Preference Dependencies with Directed Acyclic Graphs for Narrative-Driven Recommendation
AI 导读
研究者提出叙事驱动推荐框架 PDG-F，其 PDG-Agent 先将自由文本请求解析为有向无环的偏好依赖图（PDG），再通过有向路径检索获取开放网络候选证据，并按拓扑路径排序确定推荐结果。在覆盖中英文语境的三个领域实验中，PDG-F 的推荐表现优于竞争基线、开放域检索智能体和前沿语言模型。诊断分析显示，依赖引导的检索显著提升了候选池的可达上限。
正文 · AI 翻译
摘要：叙事驱动的推荐允许用户通过自由形式的文本表达多方面的需求，其中陈述的偏好会自然地相互限定和约束。现有方法通常将叙事视为扁平的关键词组合或无约束的生成式查询，未能捕捉复杂偏好如何分层细化并相互语境化。我们提出偏好依赖图框架（PDG-F），这是一个以显式偏好依赖为核心的叙事驱动推荐框架。具体而言，PDG-A（PDG-Agent）首先解析非结构化请求，将用户偏好及其相互限定关系组织为有向无环的偏好依赖图（PDG）。通过该图，经由有向路径检索从开放网络获取候选证据，并由拓扑路径排序确定最终推荐。在涵盖中英文语境的三个不同领域开展的全面实验证实，PDG-F 在推荐性能上始终优于竞争性基线、开放域检索智能体和前沿语言模型。进一步的诊断分析表明，我们的依赖引导检索显著提升了可达候选池的上限，证明了在叙事驱动推荐中建模偏好依赖的根本价值。
| 评论： | 9 页，5 幅图，3 张表 |
| 主题： | 信息检索（cs.IR）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.37280 [cs.IR] |
| （或 arXiv:2610.37280v1 [cs.IR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37280 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mingzhe Lu [查看邮箱]
[v1]
2026 年 10 月 27 日星期二 14:08:30 UTC（581 KB）
来源：arXiv cs.CL · arxiv.org