Mind the Gap: A Dual Knowledge Graph Framework for Unified Multi-task User Intent Inference
DKG-MTI 是一个双知识图谱框架，用于从在线旅游评论中进行统一的多任务用户意图推断。它动态构建用户特定意图知识图谱，并通过结构感知语义平滑与全局酒店知识图谱对齐，然后结合原始评论由大语言模型同时预测方面评分和生成反向用户意图陈述。在 TripAdvisor 评论上的实验表明，DKG-MTI 在分类和意图生成任务上均优于强 LLM 和基于检索的基线。
Development
- First ReportMind the Gap: A Dual Knowledge Graph Framework for Unified Multi-task User Intent InferencearXiv cs.CL
- Current Assessment该研究聚焦于在线旅游评论的意图推断，表明 LLM 在垂直领域（如旅游）的应用正从通用问答转向结构化、多任务推断。DKG-MTI 的推理时知识增强方式可能降低对大规模微调的需求，使中小型团队也能在特定领域构建高效意图系统。可验证的下一信号：是否有旅游平台或 SaaS 供应商采用类似框架，以及该方法在真实生产环境中的效果。Agent Pulse · analysis
论文提出 DKG-MTI，一种仅推理的知识增强框架，用于从在线旅游评论中进行统一的多任务用户意图推断。现有方法依赖分层流水线，存在错误传播问题，或忽略领域知识中的结构关系。DKG-MTI 动态构建用户特定意图知识图谱，并通过结构感知语义平滑与全局酒店知识图谱对齐，将对齐后的知识与原始评论结合，由大语言模型同时预测方面评分和生成反向用户意图陈述。在 TripAdvisor 评论上的实验表明，DKG-MTI 在分类和意图生成任务上均优于强 LLM 和基于检索的基线，展示了结构感知知识对齐在可扩展和可解释意图推断中的有效性。
DKG-MTI 的核心在于将知识图谱构建与对齐作为推理时的增强手段，而非训练阶段。通过结构感知语义平滑对齐用户特定图谱与全局图谱，使 LLM 能利用结构化领域知识，同时避免流水线错误传播。这提示知识增强 LLM 的方向可能从检索增强转向图谱增强，且对齐质量是关键。可验证的下一信号：该方法在非旅游领域或更大规模数据集上的泛化表现，以及对齐机制对推理延迟和成本的影响。
该研究聚焦于在线旅游评论的意图推断，表明 LLM 在垂直领域（如旅游）的应用正从通用问答转向结构化、多任务推断。DKG-MTI 的推理时知识增强方式可能降低对大规模微调的需求，使中小型团队也能在特定领域构建高效意图系统。可验证的下一信号：是否有旅游平台或 SaaS 供应商采用类似框架，以及该方法在真实生产环境中的效果。
对于在线旅游平台，DKG-MTI 可提升用户意图理解的准确性，从而改善推荐、搜索和个性化服务。其推理时增强方式可能降低模型更新成本，因为无需重新训练即可适应新知识。可验证的下一信号：是否有商业产品集成该框架，以及其带来的用户满意度或转化率提升。
DKG-MTI 可能推动知识图谱与 LLM 结合的新范式，尤其在需要可解释性和结构化输出的场景。未来可能看到更多领域特定的双图谱框架，以及将图谱对齐作为通用推理组件的趋势。可验证的下一信号：论文代码或数据集是否公开，以及后续工作是否扩展至多语言或跨领域。