CFALR: Collaborative Filtering-Augmented Large Language Model for Personalized Fashion Outfit Recommendation
CFALR：协同过滤增强的大语言模型用于个性化时尚穿搭推荐
🧭 生成式推荐 · 个性化穿搭生成 ★ 深度解读
The Hong Kong Polytechnic University · University of Electronic Science and Technology of China · Singapore Management University · Tongji University · National University of Singapore
首个协同LLM语义理解与CF交互模式的穿搭生成框架，通过混合编码和输出层融合显著提升个性化推荐效果。
📌 工作参考价值（4 点）
- 混合特征注入 LLM 的方式：将文本、视觉（ResNet-50）、CF 嵌入（CPTM）通过独立的可训练线性投影层映射到 LLM 的 token 空间，形成统一的 item/user 表示，可直接用于电商物品建模，弥补文本描述视觉细节不足和 CF 交互信号缺失。
- 多阶段训练策略：先冻结投影层用纯文本微调 LoRA，再联合训练投影层与 LoRA，避免特征空间差异带来负向干扰，这种渐进式训练可迁移到其他混合特征+LLM 的推荐任务。
- CF 增强的生成推理：在 LLM 输出 logits 上直接插值 CF 模型的预测分布（加权和），解决 LLM 在输入条件简单（如仅用户或单件物品）时建模能力不足的问题，运算成本极低，适合已有 CF 模型和 LLM 的团队快速上线。
- 组合推荐任务的评估体系：采用个人化精确率（PP）、套装兼容性（OC）、平均配对兼容性（MPC）以及 LLM-as-a-Judge 和人评，为电商中的搭配推荐、捆绑推荐提供了可复用的多维度评估框架。