大语言模型增强时间感知图卷积网络的推荐方法

来源：计算机工程与应用杂志2026年第14期北京时间：

作者：姜晶, 何伟超, 祝义

单位：1.江苏建筑职业技术学院 新能源工程学院，江苏 徐州 221116；2.江苏师范大学 计算机科学与技术学院，江苏 徐州 221116；

摘要：随着人工智能技术的飞速发展，推荐系统已经成为各类在线平台的核心组件，基于图卷积网络（graph convolution network，GCN）的个性化推荐方法已成为研究的热点。尽管基于图卷积网络的推荐方法已有效提升推荐性能，但现有相关模型仍存在两方面局限：一是常忽略节点间交互的时间顺序，难以捕捉动态关联；二是受限于数据集特性，节点交互序列往往较短，导致时间维度的有效信息不足，影响模型对用户偏好或物品关联的精准刻画。为此，提出大语言模型增强时间感知图卷积网络（LLM-T-GCN）的推荐方法。该模型从现有数据集中抽取节点交互序列，随后引入大模型对序列进行延长与信息补充：通过生成合理的扩展交互内容，丰富了序列的语义与时序信息。这些信息被整合至用户-物品交互图的图卷积网络中，以增强对交互序列时序信息的理解，强化对用户与物品交互时序特征的捕捉。实验数据表明，在Movielens 100k、Movielens 1M和DoubanBook数据集上，系统性能分别实现2.00%、2.86% 与3.03%的提升。

关键词：计算机网络,图卷积网络（GCN）,大语言模型（LLM）,交互序列

基金资助：江苏省教育科学规划重点课题（B/2023/02/50）；国家自然科学基金（62077029）。