基于大型语言模型的可解释性时间用户画像研究

本研究解决了传统用户画像方法无法充分考虑用户利益的动态性和短期与长期偏好之间的相互作用的问题。我们提出了一种利用大型语言模型生成用户交互历史的自然语言总结的新方法，能够有效建模时间用户偏好，并提供可解释的文本画像。实验证明，该方法不仅提高了推荐准确性，还增强了推荐系统的透明性，为用户提供了更清晰的推荐理由。