用有向无环图建模偏好依赖的叙事驱动推荐

论文用有向无环图显式建模叙事推荐中的偏好依赖关系。

资讯摘要

论文提出偏好依赖图框架 PDG-F，用于叙事驱动推荐。其中 PDG-Agent 先将用户自由文本请求解析为有向无环的偏好依赖图，把偏好之间的限定与细化关系显式建模；再沿有向路径从开放网络检索候选证据，并按拓扑路径排序确定推荐结果。作者报告在覆盖中英文的三个领域实验中，该方法优于竞争基线、开放域检索智能体和前沿语言模型，并称依赖引导检索提升了候选池上限。

要点速读

1. 论文提出 PDG-F 框架，核心是将用户偏好及其相互限定关系组织为有向无环偏好依赖图（PDG）。
2. PDG-Agent 解析非结构化请求建图，通过有向路径检索开放网络证据，并以拓扑路径排序给出推荐。
3. 作者报告在中英文三个领域实验中优于竞争基线、开放域检索智能体与前沿语言模型。

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。