LLMs-Augmented Knowledge Graph for Semantic-Aware Recommendation

Yuanming Zhang

doi:10.1145/3844138

LLMs-Augmented Knowledge Graph for Semantic-Aware Recommendation

2026-01-01

0

PRE

AI

DOI：10.1145/3844138

原文求助

摘要

En 中文

知识图谱（KG）包含丰富的实体关系和物品相关信息，能够显著提升推荐准确性和可解释性。然而，现有的KG基方法主要关注利用基于ID的结构信息，其性能已显现难以逾越的瓶颈。实际上，KG中还包含大量文本信息，如何利用这些文本信息以实现更高性能成为一个巨大挑战。近年来，大型语言模型（LLMs）已被证明具有强大的语义理解能力，为增强KG提供了新途径。为此，本文提出了一种基于LLMs增强的KG（LAKG）模型用于语义感知推荐，引入LLMs从关联文本中提取语义特征以增强语义感知能力。首先，利用LLMs从关联文本中提取用户和物品的语义特征；其次，通过图注意力网络从结构信息中进一步提取高阶结构特征，并结合细粒度的用户意图进行建模；最后，将语义特征与结构特征深度融合，生成高质量的用户和物品特征表示。增强后的特征信息对预测用户购买行为具有重要价值。实验结果表明，所提出的模型在三个公开基准数据集上均优于现有最先进基线模型，平均准确率提升4.46%。

LLMs-Augmented Knowledge Graph for Semantic-Aware Recommendation

摘要

期刊

机构

引用论文