Leveraging Large Language Models in Conversational Recommender Systems论文精读

原创

于 2024-02-20 17:22:18 发布 · 1.5k 阅读

CC 4.0 BY-SA版权

文章标签：

文章探讨了如何利用大语言模型构建对话推荐系统，强调了增强推荐的互动性和解释性。重点介绍了两种方法：直接搜索与概念基础搜索，以及排名模块的改进，包括使用LLM的可解释性输出。文章还讨论了双塔模型的修改和搜索API的应用。

利用LLM构建对话推荐系统（CRS），增强推荐系统的可互动性和可解释性（传统推荐系统采用隐式指标，如点击率等）

连接LLM和推荐引擎的桥梁【在Retrieve阶段连接】

模型	LLM	推荐引擎	缺点
Generalized Dual Encoder Model（双塔模型）	输出Context文本在LLM中的编码	item embedding + KNN or ScaNN	语义空间不匹配
Direct LLM Search	物品的ID或标题	仅做搜索	对LLM端要求高

1 条评论