何处与何物：情境化对话推荐中的动态与隐含偏好推理

情境化对话推荐（SCR）利用特定环境下的视觉场景与自然语言对话提供上下文相关的推荐。相比传统推荐，SCR 需深入理解受场景影响且随对话演变的动态及隐含用户偏好。为此，本文提出情境偏好推理（SiPeR）框架，集成两大核心机制：一是场景转换估计，判断当前场景是否满足用户需求并引导至更合适场景；二是贝叶斯逆推理，利用多模态大语言模型的似然性预测用户对候选物品的偏好。实验表明该方法在推荐准确率与回复质量上均表现优异。