DTCAR：面向推荐的双视角时序对比对齐

《Electronic Commerce Research and Applications》：DTCAR: Dual-view temporal contrastive alignment for recommendation

　　

提出了一种双视图时间对比模型，用于协同推荐和语义推荐。引入独立的时间感知自注意力机制来建模用户动态兴趣。使用双向对比学习对齐协同视图和语义视图。实现用户兴趣动态演化过程的可解释建模。在四个数据集上的实验结果表明，该模型优于其他最先进方法。引言随着互联网技术的快速发展和数字生态系统的扩张，在线信息量以前所未有的速度增长。作为连接用户与大规模内容的关键机制，推荐系统已被广泛部署于电子商务、社交媒体和在线广告等广泛应用领域，从而缓解了信息过载问题（Malitesta等人，2025，Zhang等人，2026）。协同过滤（CF）作为个性化推荐的基本范式，通过利用用户与物品之间的历史交互模式来推断用户偏好（Aljunid等人，2025）。随着深度学习的兴起，基于神经网络的协同过滤方法显著提升了推荐性能。例如，神经协同过滤（NCF）（He等人，2017）通过引入非线性的用户-物品交互函数增强了模型表达能力。为了更好地利用用户-物品交互中固有的结构信息，图神经网络（GNNs）已成功引入推荐系统（Fu等人，2024，W. Li等人，2025）。通过在用户-物品二部图上执行消息传递，基于GNN的模型有效地捕捉了用户和物品之间的高阶连通性，从而提取全局和静态的协同信号（Wang等人，2019，Yan和Xie，2025）。在这些方法中，LightGCN（He等人，2020）通过简化图卷积操作，已成为一种高效且被广泛采用的基准方法。然而，大多数现有的基于GNN的推荐方法将用户-物品交互图视为静态结构，导致用户和物品表示本质上是全局的且时间不变的。因此，这些方法无法显式捕捉用户兴趣的动态演化，严重限制了其对时间行为模式的建模能力。为了显式建模用户兴趣的动态演化，序列推荐（SR）已成为推荐系统中一个关键且互补的范式（Wang和Cui，2025，Pan等人，2026）。具体而言，它将用户的历史交互建模为有序的时间序列，并通过捕捉交互之间的时间依赖关系来推断不断变化的偏好模式（Rendle等人，2010，Xiang等人，2025）。代表性的SR模型包括SASRec（Kang和McAuley，2018）和BERT4Rec（Sun等人，2019），它们基于自注意力机制构建，以及TiSASRec（Li等人，2020），后者显式纳入了时间间隔信息。然而，大多数SR模型主要关注单向时间依赖关系，难以有效捕捉用户和物品之间的高阶协同信号和全局结构信息。为了弥合基于图的结构优势与序列方法的动态建模能力之间的差距，近期研究探索了将时间信息融入图表示学习。例如，TGSRec（Fan等人，2021）、SEAN（Zhang等人，2024）和TagRec（Peng等人，2025）等方法通过构建连续时间二部图或设计时间感知的消息传递机制，将基于图的推荐器扩展到动态场景。尽管现有方法在建模时间动态性和捕捉结构信息方面取得了进展，但其表示学习过程仍主要依赖用户和物品ID嵌入。这些ID本质上是脱离语境的符号标识符，缺乏显式的语义基础，使得模型难以推断用户行为背后的潜在动机，例如购买决策是由性价比还是品牌偏好驱动的，从而限制了推荐精度的进一步提升（Yuan等人，2023）。我们认为，用户决策受到两种在不同时间尺度上运作的不同力量的驱动：长期稳定的偏好结构反映用户的身份、价值观和习惯性选择模式，以及短期波动的意图状态反映依赖上下文的需求和目标。协同信号从群体层面的交互模式中聚合而来，由于其结构惯性倾向于捕捉前者；而从评论文本中提取的语义信号对后者更为敏感，因为它们编码了显式的、特定情境的用户表达（Wang等人，2026）。这种时间二分性在序列推荐中造成了根本性的张力，模型必须同时尊重缓慢演化的偏好和快速变化的意图，而不能混淆这两个截然不同的组成部分（Xu等人，2025，Zhao等人，2026）。为了直观说明这一局限性，我们对主流推荐范式下两种核心模态（基于ID的表示和文本语义）的表示特征进行了实证分析。如图1所示，LightGCN学习的协同表示表现出明显的结构惯性，表示漂移主要集中在低值范围内。这表明ID嵌入倾向于保持相对稳定，将用户兴趣建模为缓慢演化的模式，从而无法捕捉意图的瞬时变化。相比之下，使用专用文本编码器LLM2Vec（BehnamGhader等人，2024）提取的语义表示对即时行为变化表现出高度敏感性，导致明显的右偏分布。这一观察表明文本语义在捕捉用户显式意图的快速波动方面十分有效。这些实证观察直接印证了上述理论区分，协同表示的集中漂移证实了其在捕捉稳定长期偏好方面的作用，而语义表示的右偏分布则验证了其对短期、依赖上下文意图的敏感性。总体而言，这些实证发现证实了基于ID的表示和基于文本的表示在建模用户兴趣动态方面的内在互补性，即ID嵌入捕捉长期稳定的偏好结构，而文本语义捕捉细粒度的、随时间演化的意图信号。表示漂移幅度的详细定义和计算规则见附录。为了解决基于ID的表示缺乏语义信息的问题并进一步增强模型表达能力，多视图推荐范式越来越多地利用大语言模型（LLMs）来整合文本和图像等辅助模态，从而丰富表示学习（Bai等人，2025，Q. Liu等人，2024）。例如，TextGCN（Volokhin等人，2023）和MIG-GT（Hu等人，2025）等框架通过联合建模文本语义和协同信号来增强推荐系统的语义判别能力。尽管取得了近期进展，现有的基于LLM的多视图增强方法主要关注语义空间和协同空间之间的静态融合，未能将时间动态性纳入统一的建模框架，导致以下两个局限性：（1）时间建模的分离性：大多数多视图推荐方法缺乏统一的动态时间框架，因为不同视图（例如文本和协同视图）在静态图结构或孤立的交互序列上被独立建模，难以在不同时间尺度上区分短期行为波动和长期稳定偏好，从而限制了其刻画用户兴趣动态演化的能力（Zhang等人，2025，Ou等人，2025）。（2）特征粒度和跨视图互补性的利用不足：现有方法通常依赖通用的LLM编码器提取粗粒度的语义特征，不足以捕捉用户显式的、个性化的意图信号，而协同视图主要建模群体层面的共性如高阶连通性，但缺乏个体层面的细粒度语义理解。目前，两者之间潜在的细粒度互补关系在动态推荐场景中尚未被充分探索和适配（Yuan等人，2023，Bao等人，2023）。为了解决上述挑战，我们提出了一种双视图时间对比对齐推荐模型（DTCAR），旨在建立统一的时间建模框架，实现全局协同信号与显式语义意图之间的有效互补、对齐和动态融合。具体而言，所提出的模型首先将每个用户的历史交互序列分解为两个互补视图。协同视图使用LightGCN建模用户-物品二部图以捕捉全局高阶协同信号，而语义视图采用面向文本的编码器LLM2Vec从用户的历史评论文本中提取细粒度的显式语义意图。随后，每个视图配备参数隔离但结构相同的时间感知自注意力编码器，该编码器与对数时间分桶编码策略一起，在统一且对齐的时间尺度上独立建模每个视图内用户兴趣的演化。此外，为促进异构视图之间的语义对齐，我们引入了一种双向跨层对比学习机制，通过在用户语义表示和正样本物品的协同表示之间构建对称的NT-Xent损失（Wang和Isola，2020）来显式缩小两个表示空间之间的差距。最后，自适应门控融合模块动态平衡两个视图对最终用户表示的贡献，并引入残差连接以保留长期偏好信息。整个模型通过多任务学习进行端到端优化，生成同时反映协同行为模式和显式语义意图的统一用户表示。我们的主要贡献总结如下：• 统一的时间多视图推荐框架。我们提出了DTCAR，一个统一的时间建模框架，在一致的时间尺度上跨多个视图联合捕捉全局协同行为和个性化语义意图的动态演化，实现有效的跨视图时间融合。• 基于对比学习的异构视图对齐机制。我们引入了一种跨视图对齐策略，利用专用文本编码器LLM2Vec从用户评论中提取细粒度语义意图，并采用对称的跨层对比学习目标来缓解语义表示和协同表示之间的分布差异，从而增强其互补性。• 广泛的实证评估和可解释性分析。在四个公开基准数据集上进行的全面实验表明，DTCAR在推荐精度上优于最先进的基线方法。此外，定性案例研究表明，纳入语义视图增强了动态用户兴趣建模的可解释性。本文其余部分组织如下：第2节系统回顾相关工作；第3节正式介绍我们的模型并提供其核心模块的详细说明；第4节展示实验结果以及对关键组件和参数的深入分析；最后，第6节总结全文并讨论未来研究方向。相关工作片段——序列推荐SR旨在通过捕捉有序交互序列中的依赖关系来建模用户偏好的时间演化。早期代表性模型如SASRec（Kang和McAuley，2018）和BERT4Rec（Sun等人，2019）引入了自注意力机制来有效建模用户行为序列中的长程依赖关系。通过将历史交互视为序列化的令牌序列，这些方法相比传统方法显著提升了捕捉复杂时间模式的能力。问题定义设U和I分别表示用户集合和物品集合。对于每个用户u∈U，我们将他们的历史交互表示为三个并行序列：交互过的物品序列SuI={i1,i2,…,iN}、对应的评论文本序列SuR={r1,r2,…,rN}，以及交互时间戳序列SuT={t1,t2,…,tN}，其中N表示序列长度。SR的目标是利用用户的历史观测数据（SuI,SuR,SuT）来预测用户u将与之交互的概率y?ui。实验为了全面评估所提出模型的有效性，我们在四个广泛使用的公开基准数据集上进行了一系列实验。实验旨在回答以下研究问题：RQ1（有效性）：所提出的方法在推荐精度方面与最先进的推荐模型相比表现如何？RQ2（组件贡献）：所提出模型的关键组件对整体性能有多大贡献？RQ3讨论与意义所提出的DTCAR模型不仅在推荐精度上实现了显著提升，还为推荐系统在电子商务平台上的实际部署提供了若干管理启示。对于实时部署，DTCAR在使用离线LLM2Vec预处理的情况下，每用户的在线推理延迟为0.5–0.6毫秒，在不加载LLM的情况下即可满足实时要求。评论依赖性分析表明，该模型保持稳定。结论与未来工作为了解决现有推荐系统中普遍存在的语义缺失和时间动态建模不足的问题，我们提出了DTCAR，一种用于推荐的双视图时间对比对齐模型，旨在在统一的时间框架内实现隐含协同行为和显式语义意图的整合。该模型采用解耦的双视图架构：使用GNN（LightGCN）来捕捉全局协同……CRediT作者贡献声明：Zhiqiang Zhang：撰写——审阅与编辑，撰写——初稿，验证，方法论，资金获取，形式分析，概念化。Tingting Feng：撰写——审阅与编辑，撰写——初稿，可视化，验证，方法论，调查研究，形式分析，概念化。Jiangzhou Deng：撰写——审阅与编辑，验证，软件，资源，项目管理，方法论，资金获取，数据管理。

叶健美：撰写——审阅与利益冲突声明。作者声明，他们没有任何已知的竞争性经济利益或个人关系，这些关系可能会影响本文所报告的工作。致谢：本工作得到国家自然科学基金（编号：72301050、62272077、62502059）、重庆市教育委员会科技研究项目（编号：KJZD-M202400604、KJQN202500640）、教育部人文社会科学研究项目（编号：23YJC630215）以及中国博士后科学基金（编号：2024M761257）的支持。张志强 | 冯婷婷 | 邓江洲 | 叶健美 | 陈环宇 | 王勇