Controllable and Content-Based Recommendations
可控且基于内容的推荐框架：用文本瓶颈实现用户干预
🧭 可控推荐 · 文本瓶颈介入
Concordia University · Université de Montréal · Laval University · HEC Montréal · Mila – Quebec AI Institute
通过在协同过滤中嵌入文本瓶颈，让用户通过文本直接控制推荐方向，且文本概要从物品内容（图像/音频/视频）自动生成。
📌 工作参考价值（4 点）
- 文本瓶颈实现细粒度用户控制：电商场景可直接复现——用户输入短文本（如“更多休闲风、亮色”）即可调整推荐方向，无需重新训练。可将此模块嵌入已有协同过滤模型，作为实时干预层。
- 从商品多模态内容自动生成可控概要：利用商品图片、音频或视频自动抽取文本描述作为控制柄，避免人工标注。对图像电商、短视频带货等场景，可低成本构建可控推荐系统。
- 与现有模型即插即用：CCBR 作为协同过滤的插件，不影响原有模型推理效率，且维持竞争性推荐性能。工程上可先训练基础模型，后接入文本瓶颈，降低落地风险。
- 支持文本与多模态混合干预：允许用户同时用文本和示例图片调整偏好，适配导购、搜索重排序等场景，提供更灵活的用户体验。