デュアル強化型プロダクトバンドル：インタラクティブ・グラフと大規模言語モデルをつなぐ

Abstract

商品バンドリングは、補完的な商品の組み合わせを推薦することでEC売上を伸ばします。しかし、既存の手法には2つの重要な課題があります。（1）協調フィルタリング手法は、過去の相互作用への依存によりコールドスタートのアイテムに対して困難が生じること、（2）LLMは対話的グラフを直接モデル化するための固有の能力を持たないことです。このギャップを埋めるために、商品バンドリングのためのインタラクティブグラフ学習とLLMベースの意味理解を統合する、二重強化（dual-enhancement）手法を提案します。提案手法は、グラフ構造を自然言語プロンプトへと変換する、graph-to-textパラダイムを導入します。このとき、Dynamic Concept Binding Mechanism（DCBM）を用いて、グラフ構造を自然言語のプロンプトに翻訳します。DCBMは、領域固有のエンティティをLLMのトークン化と整合させるうえで重要な役割を果たし、組み合わせ制約を効果的に理解することを可能にします。3つのベンチマーク（POG、POG_dense、Steam）での実験により、最先端のベースラインに対して6.3%〜26.5%の改善が示されました。