Recommender Systems in the Era of Large Language Models (LLMs)

828 篇文章

已下架不支持订阅

本文探讨了大型语言模型(LLM)如何改变推荐系统(RecSys),包括使用LLM进行深度表示学习、预训练、微调和提示方法。尽管LLM已经在NLP和AI领域展现出强大的潜力,但在RecSys中的应用仍处于早期阶段,未来可能涉及幻觉缓解、领域特定LLM、微调效率和数据增强等领域。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《Recommender Systems in the Era of Large Language Models (LLMs)》的翻译。

摘要

随着电子商务和网络应用程序的繁荣,推荐系统(RecSys)已成为我们日常生活中的一个重要组成部分,提供符合用户偏好的个性化建议。尽管深度神经网络(DNN)通过建模用户-项目交互并结合其文本辅助信息,在增强推荐系统方面取得了重大进展,但这些基于DNN的方法仍然存在一些局限性,例如难以有效理解用户的兴趣和捕获文本辅助信息,在推广到各种可见/不可见的推荐场景以及对其预测进行推理方面的能力不足等。与此同时,大型语言模型(LLM)的出现,如ChatGPT和GPT4,已经彻底改变了自然语言处理(NLP)和人工智能(AI)领域,由于他们在语言理解和生成的基本职责方面的卓越能力,以及令人印象深刻的泛化和推理能力。因此,最近的研究试图利用LLM的力量来增强推荐系统。鉴于这一研究方向在推荐系统中的快速发展,迫切需要对现有的LLM授权推荐系统进行系统概述,以便为相关领域的研究人员和从业者提供深入的了解。因此,在本次调查中,我们从预训练、微调和提示等多个方面对LLM授权推荐系统进行了全面的审查。更具体地说,我们首先介绍了利用LLMÿ

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值