1. 问题与动机
论文针对 LLM 序列推荐的三个具体失败点：完整历史会混入误点和随意探索；既有方法通常只用长期、短期或协同偏好之一；分别罗列多种偏好既增加 token，又没有帮助模型理解它们的关系。作者提出 UCGRec，先筛选与目标用户高度相关的时序与协同信号，再统一成用户中心图并注入 LLM。与 TALLRec、LLaRA、A-LLMRec、LLM-SRec 相比，它把多偏好之间的结构关系而非单一 item embedding 作为核心。
2. 方法详解
给定用户序列 Su=[i1,...,in]，长期偏好不是随机抽样。作者先让 LLaMA 3-8B 根据 item 标题生成包含类型和摘要的描述，再用 Sentence-BERT 编码为向量；对每个 item 计算它与序列内所有 item 的平均余弦相似度，取 top-k 构成长周期兴趣。短期偏好直接取最近 r 个 item。
协同分支把所有用户的相邻 item 转移构成加权有向全局图，边权是转移频次。从目标用户的每个节点出发做 m 次长度 z 的游走：以 α=0.6 选择最高边权邻居，否则随机选择，从而兼顾强关系与多样性。长期、短期和协同序列与原序列节点连接，重合转移增加边权，形成局部用户图。
注入阶段以 SASRec 的 64 维 item embedding 初始化节点。GNN 按边权聚合邻居，MLP projector 映射到 LLM token 空间，再把 embedding 拼到长期、短期和完整历史的 item token 后。联合更新 GNN、projector 和 LLaMA 2-7B 的 LoRA adapter。默认 k=r=3，m=6，z=10；LastFM 用 1-hop，其余用 4-hop；LoRA rank=8。Adam 学习率 3e-4，最多 8 个 epoch。Toys 的 batch/梯度累积为 1/128，MovieLens 和 LastFM 为 8/16，Steam 为 4/32。数据按 8:1:1 切分，过滤少于 20 次交互的用户，序列保留最近 10 条；测试候选为真值加 19 个随机未交互 item，温度为 0，五个随机种子取均值。
3. 核心技术贡献
第一，用语义一致性选择长期行为，避免随机抽样或全量历史把偶发点击当成稳定兴趣。第二，交互加权游走从全局图抽取目标用户相关协同路径，局部图比全局图小，也比预训练 item embedding 更显式。第三，长期、短期、协同偏好在同一图里通过加权边发生关系，再经 GNN 进入 token 空间。第四，端到端联合训练使模型真正使用结构 token；注意力分析显示最终层多个 head 对 UCGRec item embedding 的注意力高于 LLaRA。
4. 实验结果分析
四个数据集规模分别为 MovieLens 943 用户/1,682 item/100,000 交互，Steam 11,938/3,581/274,726，LastFM 1,220/4,606/73,510，Toys 97,682/45,497/118,940。
| 方法 | LastFM HR@1 | MovieLens | Steam | Toys | 平均 |
|---|---|---|---|---|---|
| SASRec | 0.2233 | 0.3444 | 0.4010 | 0.4157 | 0.3457 |
| TALLRec | 0.4974 | 0.4695 | 0.4356 | 0.4843 | 0.4717 |
| LLaRA | 0.4803 | 0.4758 | 0.4886 | 0.5133 | 0.4895 |
| UCGRec | 0.5447 | 0.4949 | 0.5040 | 0.5574 | 0.5252 |
UCGRec 四个数据集均第一，平均 HR@1 比 TALLRec 高 11.3%，比 LLaRA 高 7.3%，提升达到 p<0.05；有效输出率 0.96–0.99。消融中，仅长期、仅短期、仅协同的平均 HR@1 为 0.4995、0.4967、0.5027，三者融合为 0.5252。MovieLens/Steam 的长期分支更强，LastFM/Toys 更受近期流行影响，短期分支更有效。
长期筛选的完整框架结果为 0.5447/0.4949/0.5040/0.5574，超过随机长期抽样和全历史。协同分支中，用户中心图相对全局图从 0.4391/0.4765/0.4897/0.5179 提升到 0.5447/0.4949/0.5046/0.5574。LastFM 的局部图平均 192.22 节点，全局图 4,606 节点；训练每 epoch 77.82 分钟对 104.57 分钟，但仍高于 LLaRA 的 46.47 分钟；单用户推理 2.34 秒，与 LLaRA 2.31 秒接近。游走从 5 增至 10 有益，超过 10 后因吸收无关信息而下降。
5. 局限与未来方向
作者明确承认两点：依赖 LLM 带来更多参数和训练时间；当前只利用文本，没有纳入图片、类别等多模态信息。实验主评测每次只有 20 个候选，不能完全代表百万 item 在线排序；虽然补充 Hit@K、NDCG@K 和冷启动实验，仍无线上 A/B。用 LLaMA 3-8B 预生成描述也会给快速变化的 UGC 带来成本。未来应研究增量图更新、轻量编码器、多模态节点，以及全量候选和真实延迟预算下的验证。
6. 工业实践意义
社区搜索/推荐最可落地的是“先过滤、再结构化融合”。长期画像可由帖子主题、作者和文本一致性筛选；短期画像取当前会话查询、点击与停留；协同信号从 item 转移图有限步游走。三类信号形成小型用户图后，可先注入现有双塔或精排网络，不必直接部署 7B 模型。
消费方式决定参数：音乐、短视频增加短期权重；长文、课程或游戏扩大长期窗口。游走必须限长，z=10 后下降说明扩散过远会稀释个性化。工程上应缓存局部图和 item 描述，增量更新近期行为，监控节点数、构建耗时、推理延迟和冷启动覆盖。37.1M 可训练参数的 LoRA/GNN/projector 比全参训练现实，但约 2.34 秒/用户仍远高于常规推荐 SLA，更适合作为离线蒸馏教师、候选重排器或高价值低 QPS 场景。