基于大语言模型的跨语言会话式商品推荐设计与实现

来源：计算机工程与应用杂志2025年第24期北京时间：

作者：李奕杉, 孙培杰, 张敏

单位：1.清华大学 软件学院，北京 100084；2.清华大学 计算机系，北京 100084；3.泉城实验室，济南 250103

摘要：利用文本等模态表征进行通用会话推荐系统的工作是学术界关注的焦点，在单语言环境下展现了优异性能，但其在跨语言环境下的研究仍属于空白区域。提出了一种跨语言会话推荐系统CLSRec，通过结合使用目标语言与大语言模型生成的中间语言，利用预训练模型生成的文本表征作为输入，摈弃传统物品ID依赖，将其进行文本白化后进行线性池化，提供给会话推荐骨架，最终得到用于推荐的评分。该方法分为预训练与微调两个学习阶段，在预训练阶段运用对比学习策略，从资源丰富语言数据提炼通用知识，在微调阶段学习目标语言数据集上的用户行为模式。采用两阶段学习策略，能够处理冷启动情景，在推荐目标上进行学习的同时，尽可能保留语义建模信息。在真实世界上的多语言电商数据集上进行实验，在三个不同语言数据集的NDCG@10、NDCG@50、Recall@10、Recall@50等指标上均实现了对目前基线的显著超越。还通过全面的对比实验，探究了影响多语言会话推荐系统的因素。

关键词：跨语言推荐,会话推荐,大语言模型,迁移学习,对比学习