Large Language Model Enhanced Recommender Systems: Taxonomy, Trend, Application and Future

本文是LLM系列文章，针对《Large Language Model Enhanced Recommender Systems: Taxonomy, Trend, Application and Future》的翻译。

摘要

大型语言模型（LLM）在包括推荐系统（RS）在内的各个领域都具有变革潜力。有一些研究侧重于通过LLM赋予RS权力。然而，之前的研究主要集中在LLM作为RS上，这可能会面临LLM不能容忍推理成本的挑战。最近，将LLM集成到RS中，称为LLM增强推荐系统（LLMERS），由于其有可能解决现实应用中的延迟和内存限制，引起了人们的极大兴趣。本文对旨在利用LLM增强RS能力的最新研究工作进行了全面调查。我们发现该领域的一个关键转变是将LLM纳入在线系统，特别是通过避免在推理过程中使用LLM。我们的调查根据增强的RS模型的组成部分将现有的LLMERS方法分为三种主要类型：知识增强、交互增强和模型增强。我们对每个类别进行了深入分析，讨论了最近研究的方法、挑战和贡献。此外，我们强调了几个有前景的研究方向，可以进一步推进LLMERS领域的发展。

1 引言

2 知识增强

3 交互增强

4 模型增强