面向高卷入度产品的对话推荐系统——基于模块化多阶段方法

来源：管理科学学报杂志2026年第6期北京时间：

作者：柴一栋，周永行，姜元春，刘春丽，袁昆，刘业政

单位：柴一栋,合肥工业大学管理学院;网络空间行为与管理安徽省哲学社会科学重点实验室,周永行,合肥工业大学管理学院;网络空间行为与管理安徽省哲学社会科学重点实验室,姜元春,合肥工业大学管理学院;网络空间行为与管理安徽省哲学社会科学重点实验室,刘春丽,合肥工业大学管理学院;网络空间行为与管理安徽省哲学社会科学重点实验室,袁昆,合肥工业大学管理学院;网络空间行为与管理安徽省哲学社会科学重点实验室,刘业政,合肥工业大学管理学院;网络空间行为与管理安徽省哲学社会科学重点实验室,

摘要：随着汽车、家电等高卷入度产品的日益丰富，如何设计推荐系统辅助消费者选择高卷入度产品成为重要的研究问题.本研究围绕高卷入度产品功能属性复杂、价值高昂和消费者咨询具有多阶段性的特点，提出一种面向高卷入度产品的模块化多阶段对话推荐方法.本研究采用“系统提问-用户回答”的人机交互范式，通过提问获取用户偏好并生成推荐结果.针对多阶段咨询问题，本研究引入阶段状态建立多阶段强化学习模型；针对功能属性复杂加剧偏好获取和产品推荐任务的矛盾性问题，本研究构建了基于强化学习的模块化对话推荐系统，包括基于强化学习的对话策略和属性选择策略，以及基于知识图谱和理想点的产品推荐方法.基于国内知名汽车论坛真实购买数据和仿真用户交互数据的实验表明，所提方法能够在降低交互次数的情况下，取得更高的推荐准确率.

关键词：高卷入度产品; 模块化对话推荐; 多阶段强化学习; 知识图谱; 理想点法