融合个人画像与群体经验：基于大语言模型生成数据的专业推荐框架

《Mathematics》：Fusing Personal Profile and Group Experience: A Major Recommendation Framework Built on LLM-Generated Data

　　

专业推荐系统已考虑过多面用户画像，但其对问卷调查的重依赖使应用难以扩展，且推荐结果易受偏差干扰。针对上述问题，研究人员提出一种面向大学申请者的多维决策融合专业推荐框架。创新性地利用大语言模型（Large Language Model，LLM）生成被试回答，构建模拟数据集SimuCareer-25，以克服传统调查方法效率低、偏差高的缺陷。在此基础上，框架整合偏好、能力与经验三个关键决策维度，采用模糊理论（Fuzzy Theory）与XGBoost处理涵盖人格、兴趣、学科素养与技能的 multidimensional 用户特征；同时利用协同过滤（Collaborative Filtering，CF）挖掘群体经验；并引入层次分析法（Analytic Hierarchy Process，AHP）模块对三维度进行可调加权融合。在SimuCareer-25与真实数据上的实验表明，融合偏好、能力与历史经验有助于生成稳健可靠的专业推荐；尽管模拟数据与真实样本存在结构偏差，其仍具备有效的特征可迁移性，支撑框架的实际效用。

研究背景方面，因大学招生专业细分与职业规划教育信息不对称，多数学生在专业选择上存在显著困惑。高中毕业生需在有限填报期内一次性决定专业，缺乏前置探索机会，且常基于小圈子主观认知或杂乱网络信息决策，导致入学后专业不匹配与满意度低。现有专业推荐系统多依赖问卷，存在效率低、偏差大、公开数据集缺失、跨学科泛化差等问题；经典内容过滤（Content-Based Filtering，CBF）与协同过滤（CF）不直接适用，而模糊逻辑（Fuzzy Logic）与多准则决策（Multi-Criteria Decision-Making，MCDM）等方法在扩展性上受限。为此，研究人员开展了一项将个人评估与群体行为洞察相融合的专业推荐研究，提出基于LLM生成数据（SimuCareer-25）与三维决策融合框架，论文发表于《Mathematics》。

关键技术方法上，研究人员采用DeepSeek-V3以角色提示（role-prompting）批量模拟25个经典专业的本科生填写五点李克特（Likert）量表问卷，经去重、类别平衡与统计异常过滤后保留约90%样本构成SimuCareer-25；框架由模糊XGBoost（fXGB）模块（对数值特征做梯形隶属度模糊化后送XGBoost多类软概率预测）、基于用户的协同过滤（user-based CF）模块（以余弦相似度聚合相似历史用户选择，引入fXGBTop-5倾向特征做圆环向量高斯平滑）、AHP加权融合模块（求解判断矩阵特征向量得维度与模块权重）三者构成；实验以SimuCareer-25（约600样本，8:2五次划分）与24份国内综合高校大三及以上学生真实问卷为正负样本验证集。

研究结果部分，第三节LLM数据集构建中，通过分布保真评估（Jensen–Shannon散度、Wasserstein距离、Spearman相关MAE对照蒙特卡洛空基线）发现模拟数据边际分布合理、响应变异未坍缩、特征间相关性非随机，虽受预训练先验影响在学科素养维度结构偏强，但整体具系统结构而非噪声。第四节框架与方法指出，fXGB以梯形隶属函数μ_low/med/high(x)将兴趣/素养/技能转为三维模糊向量，用multi:softprob输出25专业概率；CF模块将MBTI编为4位二元向量，拼接数值特征与fXGB Top-5圆环平滑倾向特征得用户画像，按余弦相似度加权历史用户真实选择并经温度指数缩放得概率；AHP给出偏好/能力在CF中权重及fXGB/CF在融合中权重，下界截断为1防稀释。第五节实验显示，SimuCareer-25上Bayes、CF、XGB、Fuzzy-XGB、Ours的均值AUC依次为0.658、0.671、0.744、0.756、0.768，Ours在Top-1~Top-10均最优；温度参数τ在0~20遍历，τ≈10时AUC最高，过小致CF被fXGB淹没、过大致赢者通吃抑制次信号；AHP理论权重（偏好0.60、能力0.40；fXGB 0.54、CF 0.46）接近网格搜索最优区（偏好比0.615、fXGB比0.500）；真实24样本上Ours均值AUC 0.752，二分类以Top-7为阈值时Precision、Recall、F1均优于基线，证实模拟数据特征可迁移。

讨论与结论翻译：研究人员提出辅助大学申请者专业选择的推荐系统框架，融合个人特征与群体经验形成“偏好—能力—经验”决策三元组；构建模糊XGBoost处理高维特征，应用协同过滤挖掘群体经验，以层次分析法（AHP）可调加权融合。数据集构建上探索性使用LLM模拟被试生成训练样本，数据保真评估显示模拟数据虽因强LLM先验与小规模真实样本有结构偏差，但保持系统结构化特征；下游真实评估验证了模拟数据集的特征可迁移性与框架实际效用。实验证明用户偏好、能力与群体经验均为生成稳健推荐的关键组分。局限在于自报告数据偏差、未纳入家庭/薪资等情境因素、单一LLM统一角色提示的多样性不足；未来可引入心理量表引导、多LLM与精细人口学角色、温度变量控制以丰富生成剖面。