POI Recommendation with LLM-Augmented Multi-Graph Learning and Contrastive Alignment

📄 arXiv: 2608.16407v1 📥 PDF

作者: Burak Tamer, Wolfram Höpken, Zehui Wang

分类: cs.IR, cs.LG

发布日期: 2026-08-17

💡 一句话要点

提出LLM-MGCL以解决POI推荐中的冷启动问题

🎯 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: POI推荐 图神经网络 冷启动问题 对比学习 多模态融合 语义图 地理图

📋 核心要点

  1. 现有的POI推荐模型在处理冷启动问题时表现不佳，尤其是对于交互较少或没有交互的物品。
  2. 本文提出的LLM-MGCL通过引入语义和空间信息，结合多个图结构来增强物品嵌入的表示能力。
  3. 实验结果表明，LLM-MGCL在多个指标上显著优于传统方法，尤其是在冷启动场景下表现突出。

📝 摘要（中文）

基于图神经网络的兴趣点（POI）推荐模型通过传播用户与物品之间的协同信号取得了良好的效果，但在冷启动问题上表现不佳。本文提出了一种LLM增强的多图对比学习（LLM-MGCL），该模型通过引入语义和空间信息，扩展了LightGCN的基础架构，构建了两个辅助的物品-物品图：一个基于LLM生成的照片摘要和关键词的语义图，另一个基于商业位置之间的Haversine距离的地理图。通过并行传播物品嵌入并通过双向InfoNCE对比目标进行视图对齐，LLM-MGCL在Yelp多模态推荐数据集上的实验结果显示，其在Recall@20上提升了52.0%，在NDCG@20上提升了64.8%，超越了传统的协同过滤和矩阵分解方法，并与最强对比基线Self-supervised Graph Learning（SGL）表现相当。消融研究表明，跨视图对比对齐是性能提升的主要驱动因素。

🔬 方法详解

问题定义：本文旨在解决POI推荐中的冷启动问题，现有方法在处理交互较少的物品时缺乏有效的表示，导致推荐效果不佳。

核心思路：LLM-MGCL通过引入语义图和地理图，结合LightGCN的基础架构，利用外部知识增强物品嵌入的表示，从而弥补缺失的协同信号。

技术框架：整体架构包括三个并行的图：LightGCN基础图、语义图和地理图。物品嵌入在这三个图中并行传播，最终通过加法融合和对比学习进行视图对齐。

关键创新：最重要的创新在于引入了语义和地理信息的多图结构，并通过双向InfoNCE对比目标实现跨视图对齐，这在现有方法中尚未见到。

关键设计：模型采用了双向对比损失函数，确保不同视图的物品嵌入能够有效对齐，此外，Haversine距离用于构建地理图，增强了空间信息的利用。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

实验结果显示，LLM-MGCL在Recall@20上提升了52.0%，在NDCG@20上提升了64.8%，超越了传统的协同过滤和矩阵分解方法，并与最强对比基线Self-supervised Graph Learning（SGL）表现相当，证明了其在冷启动场景下的有效性。

🎯 应用场景

该研究的潜在应用领域包括旅游推荐系统、餐饮推荐平台及其他需要个性化推荐的场景。通过有效解决冷启动问题，LLM-MGCL能够提升用户体验，增加用户粘性，具有重要的商业价值和社会影响。

📄 摘要（原文）

Point-of-interest (POI) recommendation models based on graph neural networks achieve strong performance by propagating collaborative signals over user-item interactions, yet they struggle with the cold-start problem, where items with few or no interactions are not represented. In this paper, we propose LLM-augmented Multi-Graph Contrastive Learning (LLM-MGCL), a multi-graph neural network that uses semantic and spatial information about items to extend the LightGCN backbone with two auxiliary item-item graphs: a semantic graph constructed from sentence embeddings of LLM-generated photo summaries and keywords, and a geographic graph derived from Haversine distances between business locations. Item embeddings are propagated over all three graphs in parallel, fused additively, and aligned across views through a bidirectional InfoNCE contrastive objective that connects behavioral, semantic, and spatial representations of the same items. Experiments on the Yelp Multimodal Recommendation Dataset show that LLM-MGCL outperforms classical collaborative filtering, matrix factorization, and interaction-only graph neural network baselines. It improves Recall@20 by 52.0% and NDCG@20 by 64.8% over LightGCN while performing on par with the strongest contrastive baseline, Self-supervised Graph Learning (SGL), which is also affected by the cold-start problem. An ablation study reveals that the cross-view contrastive alignment (CA) is the primary driver of these gains, with the best performance achieved when all three graphs are combined. Our results suggest that externally grounded, LLM-derived item knowledge can effectively compensate for missing collaborative signal and mitigate the item cold-start problem in POI recommendation.