REGER：用语义ID建模物品间关系的生成式推荐

REGER 用语义邻居预训练与偏好蒸馏改进生成式推荐。

资讯摘要

论文提出 REGER 框架，将物品间关系显式融入语义预训练、历史编码与 SID 生成。作者通过生成式语义检索预训练，让模型学习生成语义邻居的 SID；并用全局注意力与对齐 SID 边界的局部注意力捕捉历史上下文和相邻物品转移。论文还给出 SID 前缀树上的层级偏好分解理论，并据此蒸馏判别式教师模型的条件分布。作者报告在真实数据集上相较现有 GR 基线取得一致提升。

要点速读

1. 论文提出 REGER，将物品间语义与协同关系显式纳入生成式推荐的预训练、历史编码和 SID 生成。
2. 通过生成语义邻居 SID 的生成式语义检索预训练，使模型继承物品间语义相似性。
3. 作者报告在真实数据集上相较现有 GR 基线取得一致提升，并称偏好蒸馏有效。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。