本文是LLM系列文章,针对《TRAWL: External Knowledge-Enhanced Recommendation with
LLM Assistance》的翻译。
摘要
将语义信息与行为数据相结合是推荐系统中的一个重要研究领域。一种很有前途的方法是利用外部知识来丰富具有丰富语义信息的基于行为的推荐系统。然而,这种方法面临两个主要挑战:对原始外部知识进行去噪和调整语义表示。为了应对这些挑战,我们提出了一种具有LLM辅助的外部知识增强推荐方法(TRAWL)。该方法利用大型语言模型(LLM)从原始外部数据中提取相关的推荐知识,并采用对比学习策略进行适配器训练。在公共数据集和真实世界的在线推荐系统上的实验验证了我们方法的有效性。
1 引言
2 相关工作
3 方法
4 实验设置
5 实验结果
6 结论
这项工作提出了TRAWL,一种外部知识增强的推荐框架。通过利用大型语言模型从原始外部源中提取有用的推荐知识,以及采用基于对比学习的训练策略的适配器网络,TRAWL有效地解决了第1节中概述的两个关键挑战:去噪原始外部知识和调整语义表示。该