

【设计融创】山东科技大学杨梅：基于AIGC的用户个性化需求服务匹配模型研究

设计与思维

2025-08-17

导读：【设计融创】【论文精选】

以下文章来源于“设计融创”，作者设计融创

-论文导读-

基于AIGC的用户个性化需求服务匹配模型研究

杨梅，石丽秀*，苏兆婧，朱俊衡

（山东科技大学艺术学院，山东青岛 266590）

摘要：目的为解决网购推送内容相关度较低、信息滞后而造成的用户疲劳等问题，优化推送系统的个性化推荐能力，对AIGC推荐算法下的交互模式进行可行性探索。方法基于扎根理论获取用户关联属性并对其排序，进而利用AIGC大模型分别对用户需求信息和产品特征图文进行处理，最终建立基于AIGC的“用户-产品点对点匹配”（User-Product Point-To-Point Matching）推送模型。结果以水杯网购过程为例，通过对比实验进行验证。实验结果表明，该模式在用户选择信息层和深度搜索等方面可提升用户满意度。结论将AIGC引入推送服务行业，通过“预训练语言模型+微调”的模式实现推荐，能够进一步完善“用户-产品”的个性化推送服务，在电子商务、社交媒体、在线教育服务等领域具有重要意义。

关键词：用户需求匹配；AIGC应用；点对点匹配；扎根理论；深度学习

基金项目：山东省重点研发计划（软科学项目）(2023RKY01011)；山东省教育教学研究重点课题（2023JXZ002）；2021年山东省研究生教育质量提升计划教学案例库建设（SDYAL21064）；2024年度教育部人文社会科学研究青年项目(24YJCZH260)

*通信作者

-论文图表--结语-

本文探讨了AIGC在个性化服务领域的应用，提出了基于AIGC的“用户-产品点对点匹配”（User- Product Point-To-Point Matching）推送模型。通过扎根理论需求调研和用户相关属性的重要度排序构建用户信息模型，利用AIGC模型对推送过程中涉及的多模态信息进行处理，实现用户与产品特征之间的映射，在拟合度排序的基础上实现匹配和推送。通过验证实验发现，相较于传统推送算法，AIGC交互模式能够打破长期用户轨迹与交易记录带来的推荐滞后的状况。在用户需求模型的影响下，自动剔除不相关内容，增加推荐系统的用户满意度。因此，AIGC能够为数字推送服务带来新的交互变化，实现更为智能化、个性化的服务。目前该模型仍需进一步优化以便更好地捕捉用户动态兴趣和行为，未来研究中也需要注重用户隐私与数据安全问题。

引文格式

杨梅,石丽秀,苏兆婧,等.基于AIGC的用户个性化需求服务匹配模型研究[J].包装工程,2024,45(20):109-119+182.

全文下载：基于AIGC的用户个性化需求服务匹配模型研究.pdf

包装工程·设计融创