Interpretable Representation via LLM-Driven Generative Disentanglement for Local-Life Service Recommendation

📄 arXiv: 2607.27944v1 📥 PDF

作者: Long Zhang, Hao Jiang, Sheng Yu, Fei Pan, Peng Jiang, Kun Gai

分类: cs.IR, cs.AI

发布日期: 2026-07-30

💡 一句话要点

提出LGRID以解决SID生成中的语义纠缠问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 语义ID 推荐系统 生成解耦 大语言模型 可解释性 属性对齐 本地服务

📋 核心要点

  1. 现有SID生成方法存在语义纠缠和信息损失的问题，导致推荐质量低下。
  2. LGRID通过生成解耦的方式，采用联合LLM编码保留属性间的依赖关系，提升SID的可解释性。
  3. 实验结果表明，LGRID在Kuaishou和Foursquare数据集上相较于强基线提升了5.44%的相对AUC，并显著降低了SID碰撞率。

📝 摘要（中文）

尽管大语言模型（LLMs）在基于ID的推荐中通过语义ID（SID）建模取得了进展，但现有的SID生成框架主要遵循单一表示再量化的范式。这种设计面临两个瓶颈：语义纠缠混合了地理、品牌和类别等异构属性，导致量化过程中的信息损失和低质量SID；而黑箱表示学习则未能提供明确的属性语义或SID位置的地理或语义含义。为此，本文提出了基于LLM驱动的可解释表示生成解耦方法（LGRID），通过编码-解耦-对齐-量化的流程，保留跨属性的地理-语义依赖关系，最终实现了具有明确属性对应的可解释SID。

🔬 方法详解

问题定义：本文旨在解决现有SID生成方法中存在的语义纠缠和信息损失问题。现有方法通常采用单一表示再量化的方式，导致低质量的SID和高碰撞率。

核心思路：LGRID的核心思路是通过生成解耦的方式，采用联合LLM编码来保留跨属性的地理和语义依赖关系，从而提升SID的可解释性和质量。

技术框架：LGRID的整体架构包括四个主要模块：编码、解耦、对齐和量化。首先，使用联合LLM编码来处理输入数据，然后通过结构化解耦块将隐藏状态路由到属性对齐的槽中，最后进行量化以生成SID。

关键创新：LGRID的主要创新在于引入了生成解耦的范式和协同对齐学习，使得生成的SID在地理和语义上具有明确的属性对应关系，区别于传统的黑箱表示学习方法。

关键设计：在技术细节上，LGRID采用了结构化解耦块来处理属性对齐，并通过双流残差量化将两个流分别离散化为紧凑的SID，确保属性语义的明确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，LGRID在Kuaishou和Foursquare数据集上相较于强基线实现了5.44%的相对AUC提升，并且在粗略地理字段的属性解码准确率超过99%。此外，LGRID将全SID碰撞率降低至39.9%，相比之下，LGSID的碰撞率高达97.0%。

🎯 应用场景

该研究的潜在应用领域包括本地生活服务推荐系统、电子商务平台和社交媒体推荐等。通过提升SID的可解释性和质量，LGRID能够帮助用户更好地理解推荐结果，从而提高用户满意度和平台的转化率。未来，该方法还可以扩展到其他推荐场景，推动个性化推荐技术的发展。

📄 摘要（原文）

While large language models (LLMs) have advanced ID-based recommendation through Semantic ID (SID) modeling, existing SID generation frameworks largely follow a single-representation-then-quantization paradigm. This design faces two bottlenecks: semantic entanglement mixes heterogeneous attributes, such as geography, brand, and category, causing information loss during quantization, low-quality SIDs, and severe collisions; moreover, black-box representation learning provides neither explicit attribute semantics nor clear geographic or semantic meanings for SID positions. These limitations weaken both retrieval reliability and the ability to diagnose or control SID generation. We propose Interpretable Representation via LLM-Driven Generative Disentanglement for Local-Life Service Recommendation (LGRID). LGRID introduces a generative disentanglement paradigm through an Encode -> Disentangle -> Align -> Quantize pipeline. It first uses joint LLM encoding to preserve cross-attribute geographic-semantic dependencies, rather than encoding fields independently. A Structured Disentangled Block then routes hidden states into attribute-aligned slots for geographic and semantic factors. Synergistic Alignment Learning makes these slots both generatively decodable and discriminative for retrieval, while Dual-Stream Residual Quantization separately discretizes the two streams into compact SIDs with explicit attribute correspondence. This design yields interpretable SIDs with positions grounded in item attributes and local-service semantics. Experiments on Kuaishou and Foursquare show that LGRID consistently outperforms strong SID baselines, achieving up to a 5.44 percent relative AUC gain. It also achieves over 99 percent attribute-decoding accuracy for coarse geographic fields and reduces the full-SID collision rate to 39.9 percent, compared with 97.0 percent for LGSID.