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

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LLM（作为特征编码器）的力量来学习用户和项目表示的代表性方法。然后，我们从三个范式，即预训练、微调和提示，回顾了LLM最近用于增强推荐系统的先进技术。最后，我们全面讨论了这一新兴领域的未来发展方向。

1 引言

2 相关工作

3 基于LLM推荐系