Dec, 2023

用于基于意图的会话推荐的大型语言模型

PDF
TL;DR利用大型语言模型（LLM）的先进推理能力，我们提出了一种新颖的 ISR 方法，通过生成初始提示来引导 LLMs 预测会话中的下一个项目，然后通过迭代自反和调整提示的创新优化机制来完善这个过程，进一步基于 LLMs 的广泛适应能力，我们的提示选择模块快速选择各种领域中最优化的提示，使 LLMs 能够在语义层面上辨别各种用户意图，从而实现更准确和可解释的会话推荐。在三个真实数据集上的广泛实验证明了我们方法的有效性，并在 ISR 系统中取得了重大进展。
intent-aware session recommendationuser sessionslarge language modelsprompt optimizationisr systems
发现论文，激发创造
  • ISR-LLM：迭代自我改进的大型语言模型用于长时间序列任务规划

    通过引入 ISR-LLM，该研究论文提出了一种新颖的框架，借助迭代自我完善过程来改进基于 LLM 的规划，以提高任务的可行性和正确性，并保持与自然语言指令的广泛适用性和普适性。

    Aug, 2023

  • 会话式推荐的项目语言模型

    通过使用 Item-Language Model（ILM） ，我们提出了一种解决当前推荐系统方法中所面临的关键问题的方法，该方法既可以对用户交互信号进行编码，也可以利用预训练的 Large-language Models（LLMs）处理这些编码。

    Jun, 2024

  • 大型语言模型在信息检索中的应用：综述

    信息检索系统和大型语言模型的融合，包括关键方面，如查询重写、检索、重新排序和阅读器，在这一快速发展的研究领域中提供全面的概述和深入的见解。

    Aug, 2023

  • 利用大型语言模型攫取 ASR 不确定性

    利用 n-best 列表提示方法，我们改善了基于大型语言模型的口语理解任务，使其能够更好地理解口语意图并应用于基于语音的应用。

    Sep, 2023

  • RecExplainer: 为推荐模型可解释性而对齐大型语言模型

    使用大型语言模型作为替代模型，模仿和理解目标推荐系统模型的行为，利用三种对齐方法，即行为对齐、意图对齐和混合对齐，在语言和潜在空间进行对齐训练，从而实现了高度可信的推荐解释生成。

    Nov, 2023

  • 一种大型语言模型增强的对话式推荐系统

    利用大型语言模型开发了一种新的会话式推荐系统（LLMCRS），能够有效管理子任务、解决不同的子任务、并生成与用户交互的响应，通过细化工作流程和使用强化学习的反馈优化，实验结果表明其性能超过现有方法。

    Aug, 2023

  • 在对话式推荐系统中利用大型语言模型

    本文提出了一个使用大型语言模型的端到端大规模语音推荐系统，并介绍了一些技术和实现细节，包括用户偏好理解、灵活对话管理、基于 LLM 的用户仿真器等。

    May, 2023

  • 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

  • 与图形会话推荐相结合的大型语言模型的整合

    通过将大型语言模型（LLMs）与图神经网络（GNNs）有机地结合为 SBR（基于会话的推荐）任务设计了 LLMGR 框架，旨在提高会话内的项目理解和推荐能力，通过辅助和主要指令调整任务的提示来赋予 LLM 处理图结构数据的能力，通过在三个实际数据集上进行广泛实验，证明 LLMGR 在提升 SBR 任务方面优于竞争性基线模型，显示其对未来研究的潜力。

    Feb, 2024

  • 大型语言模型增强的长尾用户和物品的顺序推荐

    研究通过引入大型语言模型增强顺序推荐系统的性能，以应对长尾用户和长尾商品的挑战，并提出了融合语义信息和协同信号的双视图建模方法来解决这些问题。同时，通过使用检索增强的自蒸馏技术，对用户偏好表示进行改进。实验证明，所提出的增强框架相比现有方法表现更优。

    May, 2024