इस पत्र में, हम एक नवीन अनुशंसा ढाँचा प्रस्तावित करते हैं जो ग्राफ़-आधारित अनुशंसा प्रणालियों और वृहत्-स्तरीय भाषा मॉडल (LLM)-आधारित अनुशंसा प्रणालियों के लाभों को एकीकृत करता है। जहाँ ग्राफ़-आधारित अनुशंसा प्रणालियाँ उपयोगकर्ता-वस्तु अंतःक्रियाओं को ग्राफ़ के रूप में प्रस्तुत करती हैं और ग्राफ़ संरचना और टोपोलॉजी का लाभ उठाती हैं, वहीं LLM-आधारित अनुशंसा प्रणालियाँ उपयोगकर्ता भाषा के मॉडलिंग, व्यवहारिक संदर्भ को समझने और उपयोगकर्ता-वस्तु अर्थ संबंधों की पहचान करने में उत्कृष्ट हैं। इस पत्र में, हम ग्राफ़ सूचना को प्रॉम्प्ट और अटेंशन तंत्रों में एकीकृत करके इन दोनों दृष्टिकोणों को प्रभावी ढंग से संयोजित करने की एक विधि प्रस्तावित करते हैं। विशेष रूप से, हम एक नवीन प्रॉम्प्ट डिज़ाइन विकसित करते हैं जिसमें प्रथम- और द्वितीय-क्रम ग्राफ़ संबंध और एक बेहतर LLM अटेंशन तंत्र शामिल है जो ग्राफ़ की स्थानिक और संयोजकता सूचना को सीधे अंतर्निहित करता है। हम वास्तविक डेटासेट का उपयोग करके मूल्यांकन के माध्यम से प्रस्तावित ढाँचे की प्रभावशीलता की पुष्टि करते हैं।
