May, 2023

LLM 强化的生成式新闻推荐初探

PDF
TL;DR本文介绍一种基于大型语言模型的可生成新闻推荐框架 GENRE，通过预训练的语义知识，提供了一种灵活且统一的新闻推荐解决方案，可以用于个性化新闻推荐、用户画像和新闻摘要。各种流行的推荐模型的广泛实验证明了 GENRE 的有效性。
personalized news recommendationcold-start problemuser profilingnews content understandingllm-powered generative news recommendation
发现论文，激发创造
  • LKPNR: 个性化新闻推荐框架的 LLM 和 KG

    通过将大型语言模型（LLM）和知识图谱（KG）结合为传统方法的语义表示形式，该研究提出了一个新的通用框架，以准确地推荐候选新闻文章给用户，从而改善了新闻推荐系统中的个性化推荐效果。

    Aug, 2023

  • 基于大型语言模型的新闻推荐与分类描述

    利用大型语言模型自动生成新闻分类描述，并将其作为附加信息融入推荐模型，大幅提高了个性化新闻推荐的准确性。

    May, 2024

  • GenRec: 大型生成式推荐模型

    使用大型语言模型 (LLM) 为基础的生成式推荐 (GenRec) 方法，通过解释上下文、学习用户偏好和生成相关推荐，充分利用大型语言模型编码的丰富知识，为推荐系统带来革命性的潜力和未来发展方向。

    Jul, 2023

  • 利用预训练语言模型增强新闻推荐

    本文介绍了使用预训练语言模型进行个性化新闻推荐的方法，通过离线实验结果表明，该方法在英语和全球市场上都取得了显著的点击和页面查看量的提高，关键词包括个性化新闻推荐、文本建模、预训练语言模型、新闻建模和离线实验结果。

    Apr, 2021

  • CherryRec: 基于 LLM 驱动框架的新闻推荐质量增强

    通过使用自定义的基于文本特征的大型语言模型 (LLMs)，我们提出了一个名为 CherryRec 的新闻推荐框架，以提高新闻推荐的效果和效率，并通过与基准方法在基准数据集上的比较验证了其有效性。

    Jun, 2024

  • 大型语言模型用于生成式推荐：调研与前瞻讨论

    近年来，大型语言模型在不同领域特别是自然语言处理和计算机视觉中得到广泛应用，推荐系统也出现了这种趋势。这篇综述论文从三个问题的角度探讨了基于大型语言模型的生成式推荐的进展、方法和未来方向：1）什么是生成式推荐，2）为什么推荐系统应该向生成式推荐发展，以及 3）如何为各种推荐系统任务实现基于大型语言模型的生成式推荐。希望这篇综述可以提供探索这一有趣且新兴话题所需的背景和指导。

    Sep, 2023

  • 个性化多模态生成与大型语言模型

    该论文提出了一种使用大型语言模型进行个性化多模态生成的方法，并通过实验验证了其性能，在推荐系统等应用中具有重要意义。

    Apr, 2024

  • LLM-RecSys 文本 ID 学习对准

    通过 IDGen 方法将每个项目表示为独特、简洁、语义丰富、与平台无关的文本 ID，并通过基于 LLM 的推荐系统和文本 ID 生成器的协同训练，无缝地将个性化推荐融入自然语言生成，从而建立了一个基础生成推荐模型。实验结果表明，该方法在标准实验设置下在序列推荐方面始终优于现有模型，并且该方法在从 19 个不同数据集中收集的数据上进行零 - shot 训练后，在 6 个不同平台上的未见数据集上的推荐性能与一些基于监督训练的传统推荐模型相当甚至更好，展示了 IDGen 模式作为生成推荐基础模型的潜力。

    Mar, 2024

  • 大语言模型时代的推荐系统

    本论文对基于大型语言模型（LLMs）的推荐系统进行了全面综述，总结了 LLMs 在推荐系统中的应用方法，包括预训练、微调和提示，并讨论了未来方向。

    Jul, 2023

  • 提升 LLM 通过进化微调用于新闻摘要生成

    通过使用具有强大的自然语言理解和生成能力的 LLM，我们提出了一种新的新闻摘要生成方法，利用 LLM 从新闻段落中的事件中提取多个结构化事件模式，通过遗传算法演化事件模式的种群，并选择最适应的事件模式输入 LLM 来生成新闻摘要。实验结果表明，新闻摘要生成器能够生成准确可靠且具有一定泛化能力的新闻摘要。

    Jul, 2023