🤖 machine learning

POI Recommendation with LLM-Augmented Multi-Graph Learning and Contrastive Alignment

本文提出了 LLM-MGCL，这是一种多图神经网络，它通过对比对齐将 LLM 衍生的语义信息、地理数据与协同信号相结合，以有效解决 POI 推荐中的物品冷启动问题，并在 Yelp 数据集上显著优于现有基准模型。

原作者： Burak Tamer, Wolfram Höpken, Zehui Wang

发布于 2026-08-18

📖 1 分钟阅读☕ 轻松阅读

原作者： Burak Tamer, Wolfram Höpken, Zehui Wang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在数字时代，寻找一家新餐厅、一个隐秘的公园或一家当地小店，往往依赖于从我们过去的抉择中学习的算法。这些被称为推荐引擎的系统，通过观察人们与商业机构互动的模式来运作。如果许多喜欢特定咖啡馆的人也同样喜欢附近的烘焙店，系统就会假设你也可能喜欢。这种被称为“协同过滤”的方法，已成为帮助用户探索服务世界的标准。然而，这种方法存在一个显著的盲点：它难以处理那些评论较少或尚无评论的新兴或名不见经传的场所。由于缺乏互动历史，这些企业在算法面前变得隐形，从而产生了“冷启动”问题，即系统根本无法推荐它们。尽管我们拥有关于这些地方的丰富细节——它们在照片中呈现的样子、它们提供哪些服务，以及它们在地图上的精确位置——但传统的模型很少利用这些信息来填补这一空白。

来自德国拉芬斯堡-魏恩加滕应用科学大学的研究团队提出了一种结合现代人工智能力量与地图逻辑的新方法，旨在破解这一难题。他们开发了一个名为 LLM-MGCL 的系统，全称为“大语言模型增强的多图对比学习”（Large Language Model-augmented Multi-Graph Contrastive Learning）。该系统不再仅仅依赖用户评论，而是通过建立三种不同类型的连接，为每家企业构建更完整的画像。首先，它利用标准的地图式用户交互数据。其次，它使用大语言模型——一种能够理解并总结文本的高级人工智能——来阅读企业的照片和描述，将其转化为简洁的摘要和关键词。这些摘要随后被用于连接那些在精神或风格上相似的企业，即使从未有人同时造访过这两者。第三，系统绘制了一张物理邻近性地图，根据实际地理距离将彼此靠近的企业连接起来。

研究人员在来自 Yelp（一个流行的本地商家评分平台）的海量商业评论和图像数据集上测试了这种方法。他们发现，通过将这三条线索——用户访问史、商业描述的语义相似性以及物理上的接近性——交织在一起，该系统能够做出比以往方法好得多的推荐。具体而言，与仅关注用户交互的主流模型相比，他们的系统在某项关键指标上将正确推荐项目的能力提升了 52%，并在另一项指标上提升了近 65%。这意味着，在系统给出的每二十个建议中，它比以前能更准确地猜对许多。至关重要的是，该系统的表现与使用自监督学习的最先进现有方法一样出色，但它具有一个明显的优势：它能够成功推荐那些几乎没有或完全没有用户评论的企业。

成功的秘诀在于系统如何学习对齐这些不同的世界视角。研究人员并非简单地将新信息添加到旧数据中；他们训练模型以确保企业的描述、其位置以及用户评论都指向同一个身份。他们使用了一种技术，强制系统识别出：一家被描述为“温馨意大利小酒馆”且距离用户仅两个街区的实体，正是用户过去可能给予高分的那个实体。这种对齐过程是性能提升最重要的因素。当研究人员移除这一对齐步骤时，系统的表现显著下降，这证明了仅仅拥有额外的数据是不够的；系统必须学会将一个地方“是什么”、“在哪里”以及“人们感觉如何”这些点连接起来。

有趣的是，研究显示，从 AI 摘要中获取的语义信息与来自地图的地理信息往往存在重叠。同一社区内的企业往往具有相似的特征，因此这两类额外数据会相互增强。然而，只有当两者与对齐过程结合使用时，才能获得最准确的结果。这表明，虽然位置和描述提供了类似的线索，但同时使用两者能为算法创造一个更稳健的安全网。研究结果表明，通过引入存在于用户行为之外的知识——例如一个地方的外观及其在地图上的位置——推荐系统可以有效地补偿缺失的数据。这为帮助用户发现那些原本会在数字景观的“冷启动”中保持隐匿的新兴企业，提供了一条充满前景的路径。

技术摘要：用于 POI 推荐的 LLM 增强多图学习与对比对齐

问题陈述
基于图神经网络（GNN）的兴趣点（POI）推荐系统，特别是 LightGCN，通过在用户-物品交互中传播协同信号，实现了最先进的性能。然而，这些纯协同的方法在面对冷启动问题时表现显著不佳。对于交互数据极少或没有交互的商家，由于缺乏训练信号，导致其无法被推荐。虽然语义信息（如商家描述、服务内容）和空间信息（如地理位置）是可用的，但标准基于交互的模型很少利用这些信息。本文旨在解决如何利用这些外部的、以物品为中心的信号来补偿缺失的协同数据这一挑战。

方法论：LLM-MGCL
作者提出了 LLM-MGCL（LLM 增强的多图对比学习），这是一种扩展了 LightGCN 骨干网络的多图神经网络架构。该模型集成了三种不同的图结构，以并行方式传播信息：

用户-物品图 ( $G_{UI}$ )：一个编码了观测到的协同行为的二分图。边根据星级评分进行加权（将 1–5 星映射为权重 0.1–1.0），以反映交互强度。
语义物品-物品图 ( $G_{SEM}$ )：一个捕捉商家间语义相似性的图。它利用 LLM 生成的照片摘要和关键词（源自多模态数据）构建而成。这些文本使用 Sentence-Transformer 模型编码为嵌入向量。边连接前 10 个语义最相似的商家，确保即使是冷启动物品也能接收到语义信号。
地理物品-物品图 ( $G_{GEO}$ )：一个捕捉空间邻近性的图。商家位置之间的距离使用 Haversine 公式计算。边连接 50 公里阈值内的 10 个最近邻，权重与距离成反比。

架构与训练

多图传播：模型维护一个共享的物品嵌入矩阵。它运行三个并行的传播路径：
- 协同路径在 $G_{UI}$ 上进行 3 层传播。
- 语义路径和地理路径分别在 $G_{SEM}$ 和 $G_{GEO}$ 上进行 2 层传播（选择 2 层是为了防止在固定的 $k$ -最近邻结构下出现信号稀释）。
融合：来自三个视图（协同、语义、地理）的最终物品表示通过加法融合组合，生成最终的物品嵌入。
对比对齐：一个关键组件是双向 InfoNCE 对比目标。与扰动单个图的自监督方法（如 SGL）不同，LLM-MGCL 将协同视图与两个辅助视图（语义和地理）进行对齐。这迫使模型在行为、语义和空间语境下，为同一个物品学习一致的表示。
损失函数：总损失结合了用于排序的贝叶斯个性化排序（BPR）损失、用于视图对齐的对比损失以及一个 L2 正则化项。

核心贡献

构建 LLM 衍生的语义图：本文介绍了一种利用 LLM 生成的摘要和关键词构建物品-物品图的方法，从而捕捉独立于用户交互的语义相似性。
集成地理邻近性：基于 Haversine 距离构建地理物品-物品图，显式地对 POI 推荐中相关的空间约束进行建模。
多图对比学习框架：设计了一个将这些辅助图与协同过滤相结合，并通过对比学习进行对齐的模型，专门针对冷启动问题。

实验结果
实验在 Yelp 多模态推荐数据集上进行。模型与经典的协同过滤（ItemKNN、UserKNN）、矩阵分解（MF-BPR、NeuMF）以及各种 GNN 基准模型（LightGCN、NGCF、GC-MC、SGL）进行了对比。

性能提升：LLM-MGCL 显著优于 LightGCN 骨干网络，Recall@20 提升了 52.0%，NDCG@20 提升了 64.8%。
与 SGL 的比较：该模型与 SGL（自监督图学习，最强的对比学习基准）表现相当。虽然 SGL 在 Recall@10 和 NDCG@10 上略高，但 LLM-MGCL 在 NDCG@20 上取得了更高的表现。至关重要的是，与 SGL 不同，LLM-MGCL 利用外部信号来解决无交互物品的问题。
消融实验：
- 对比学习 (CL)：移除对比对齐会导致性能大幅下降（Recall@20 下降了约 22.9%），表明它是性能提升的主要驱动力。
- 辅助图：单独移除语义图或地理图只会导致轻微的性能下降，这表明这些视图编码了部分重叠的信息（例如，同一区域的商家通常具有相似的语义特征）。然而，最佳性能仅在将这两个图与对比学习结合使用时才能实现，证实了它们的互补性。

意义与主张
本文主张，外部扎根的、由 LLM 衍生的物品知识可以有效地补偿缺失的协同信号。通过将行为数据与语义及空间表示对齐，该模型缓解了纯基于交互的方法中固有的物品冷启动问题。作者认为，这种方法为在交互数据稀疏的情况下改进 POI 推荐提供了一条可行路径，而无需仅仅依赖于现有交互图的自监督扰动。作者确定的未来研究方向包括：探索用于视图融合的学习权重机制、更深入地分析图之间的信息重叠，以及针对冷启动场景的专门评估。

技术摘要：用于 POI 推荐的 LLM 增强多图学习与对比对齐

类似论文