Nov, 2023

利用大型语言模型对用户浏览流程进行建模进行文章推荐

PDF
TL;DR该研究提出了一种名为 “User Viewing Flow Modeling (SINGLE)” 的文章推荐方法，该方法通过建模用户不变的偏好和来自用户点击文章的即时兴趣来进行推荐。该方法使用大型语言模型（Large Language Models）捕捉用户先前点击文章中的恒定偏好，然后设计了用户即时视图流建模方法，建立用户点击历史与候选文章之间的交互。实验结果表明，该方法相对于传统基准模型在在线 A/B 测试中实现了 2.4% 的改进，并具备建立更加个性化推荐系统的能力，以模拟用户的不同文章浏览行为，推荐更适合和多样化的文章来满足用户的兴趣。
user viewing flow modelingarticle recommendationuser preferenceuser interestrecommendation system
发现论文，激发创造
  • 推荐作为指令跟随： 一个拥有大型语言模型的推荐方法

    该论文提出了一种以自然语言为指令的方法来开发推荐模型，这种方法可以更好地适应用户需求，实现个性化推荐，并在真实数据集上比多个竞争基线模型表现更优。

    May, 2023

  • 改革顺序推荐：学习动态用户兴趣与内容丰富的语言建模

    采用预训练语言模型的语义理解能力，提出了一种新的序列推荐策略 LANCER，以弥补先前序列建模方法对上下文信息的不足，从而在推荐系统中生成更加人性化的个性化推荐。经过在多个基准数据集上的实验证明，我们的方法有效，具有良好的结果，并对我们的模型在序列推荐任务中的影响提供了有价值的见解。此外，我们的实验代码是公开可用的。

    Sep, 2023

  • 基于大型语言模型的增强顺序推荐器用于联合视频和评论推荐

    在线视频平台中，评论已经成为观看视频时不可或缺的一部分，我们提出了一种名为 LSVCR 的新型推荐方法，通过利用用户与视频和评论的互动历史，联合进行个性化视频和评论推荐。

    Mar, 2024

  • 用长期和短期兴趣建模进行图神经新闻推荐

    通过构建异质性图来显式地建模用户、新闻和潜在主题之间的交互，并利用图形神经网络和注意力机制的 LSTM 模型学习用户和新闻表示形式，从而在新闻推荐系统中扩展高阶结构信息。实验结果表明，该模型在新闻推荐方面显著优于现有的方法。

    Oct, 2019

  • 通过大型语言模型增强基于内容的推荐系统

    本文提出了一种名为 LoID 的 “插件式” 语义知识传递方法，其中包括两个主要组成部分：基于 LoRA 的大型语言模型预训练以提取多方面的语义信息；基于 ID 的对比目标以对齐它们的特征空间。我们在真实数据集上使用 SOTA 基线进行了大量实验证明了我们的方法 LoID 的显著改进。

    Mar, 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

  • SPAR：个性化基于内容的推荐通过长时交互关注

    通过利用预训练语言模型 (PLMs) 对用户的长期参与历史进行编码，本研究引入了一个名为 SPAR 的基于内容的推荐框架，有效解决了从长期用户参与历史中提取整体用户兴趣的挑战，并通过利用大型语言模型 (LLM) 来提取全球兴趣，通过在会话级别上编码用户历史，实现了用户和物品特征的充分融合，从而在实际模型部署中既能有效预测用户参与，又能保持双方的独立表示，其在两个基准数据集上的广泛实验表明，超过了现有最先进的方法。

    Feb, 2024

  • 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

  • 异构知识融合：基于 LLM 的个性化推荐的新方法

    通过从用户的异构行为信息中提取和融合异构知识，借助大型语言模型（LLM）实现个性化推荐，并通过结合异构知识与推荐任务，在 LLM 上进行指令调整以显著提高推荐性能。实验结果表明，我们的方法能够有效整合用户的异构行为并显著改善推荐性能。

    Aug, 2023

  • 第四届在线推荐系统和用户建模研讨会论文集 -- ORSUM 2021

    探索在线服务的动态特性，通过增量算法在数据流中进行用户建模和个性化推荐。

    Jan, 2022