弥合差距：面向统一多任务用户意图推断的双知识图谱框架

arXiv cs.AI 论文
knowledge-graph intent-inference llm multi-task-learning nlp recommendation

摘要

本文提出了DKG-MTI，一种双知识图谱框架，通过结构感知的知识对齐增强基于大语言模型的推理，以联合预测方面评分并从在线旅游评论中生成用户意图陈述。

arXiv:2608.06752v1 公告类型：新 摘要：本文提出了DKG-MTI，一种用于从在线旅游评论中进行统一多任务用户意图推断的双知识图谱框架。现有方法通常依赖分层流水线，但存在错误传播问题，或使用忽略领域知识中结构关系的检索方法。为解决这些局限，我们提出了一种仅推理的知识增强框架，它从每条评论动态构建用户特定的意图知识图谱，并通过结构感知的语义平滑将其与全局酒店知识图谱对齐。对齐后的知识与原始评论相结合，由大语言模型同时预测方面评分并生成反向用户意图陈述。在TripAdvisor评论上的实验表明，DKG-MTI在分类和意图生成任务上均持续优于强LLM和基于检索的基线，证明了结构感知知识对齐对于可扩展且可解释的意图推断的有效性。
查看原文
查看缓存全文

缓存时间: 2026/08/10 07:59 

# 注意差距：面向统一多任务用户意图推断的双知识图谱框架
来源：https://arxiv.org/abs/2608.06752
查看 PDF (https://arxiv.org/pdf/2608.06752)

> 摘要：本文提出了 DKG-MTI，一种用于从在线旅游评论中进行统一多任务用户意图推断的双知识图谱框架。现有方法往往依赖于受错误传播影响的层次化流水线，或者采用忽略领域知识中结构关系的检索方法。为解决这些局限性，我们引入了一种仅推理的知识增强框架，该框架从每条评论中动态构建用户特定意图知识图谱，并通过结构感知语义平滑将其与全局酒店知识图谱对齐。对齐后的知识结合原始评论，由大型语言模型处理，以同时预测方面评分并生成反向用户意图陈述。在 TripAdvisor 评论上的实验表明，DKG-MTI 在分类和意图生成任务上均持续优于强 LLM 和基于检索的基线，证明了结构感知知识对齐在可扩展且可解释的意图推断中的有效性。

## 提交历史

来自：Chih Hao Ku [查看邮箱](https://arxiv.org/show-email/c15464c5/2608.06752) **[v1]** Fri, 7 Aug 2026 03:18:13 UTC \(1,205 KB\)

相似文章