计算机应用研究

作者：于恩海,温彦,陈宇翱,

单位：山东科技大学计算机科学与工程学院,山东青岛266590；

关键词：会话推荐,大语言模型,图神经网络,个性化推荐,语义增强,迭代去噪,

基金：国家自然科学基金资助项目(52374221)；国家重点研发计划资助项目(2022ZD0119501)；山东省自然科学基金资助项目(ZR2022MF288,ZR2023MF097)；；

随着会话推荐的广泛应用，如何充分利用语义信息、建模用户跨会话兴趣以及抑制数据噪声成为提升推荐性能的关键。为此提出一种新颖的会话推荐增强框架LGSBR，通过整合大语言模型（large language model，LLM）的语义理解能力与图神经网络（graph neural network，GNN）的结构建模能力，实现语义增强与个性化推荐。具体而言，利用大语言模型及微调的语言模型生成项目补充文本嵌入和用户跨会话兴趣嵌入，通过软注意力机制融合文本与ID嵌入，生成语义丰富的项目表示；引入用户兴趣嵌入，结合对齐损失实现个性化推荐；最后通过两阶段权重学习过滤噪声项目，优化会话表示。实验结果表明，在Beauty数据集上，LGSBR的P@20达到21.38%，MRR@20达到6.76%，分别较SR-GNN基线提升23.3%和50.56%；在MovieLen-1M数据集上，P@20为25.86%，MRR@20为7.58%，分别提升12.63%和10.98%；研究验证了LGSBR在多种GNN模型上的通用性和有效性。

来源：2026年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第1期