研究者提出TWISTER框架为推荐系统补全缺失评论

Leyao Wang 等研究者在 arXiv 上提出 TWISTER（ToWards Imputation on Sparsity with Textual Edge Graph Representation）框架，用于稀疏评论场景下推荐系统中的缺失评论补全。 该框架将用户-物品交互表示为以评论为边属性的 Textual-Edge Graph（TEG），构建 line-graph 视图，并以 LLM 作为图感知聚合器，通过联合建模语义与结构信号，为缺少评论的交互合成连贯且个性化的评论。目前该工作以论文形式发布，属于研究者提出的方法框架。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。