Apr, 2024

RecGPT：借助 ChatGPT 培训范例，为序列推荐生成个性化提示

PDF
TL;DRChatGPT 在自然语言理解方面取得了显著的成功。为了将 ChatGPT 的基本模式应用于推荐任务，我们在项目索引级别上设计了一个新的聊天框架。我们的创新主要包括模型、训练和推断等三个方面。通过在离线公共数据集和在线 A/B 测试中进行实验证明了我们提出方法的有效性。
chatgptrecommendationconversationmodeltraining
发现论文，激发创造
  • 使用 ChatGPT 进行对话式推荐：通过反馈重新提示的方式改善推荐

    在这篇论文中，我们研究了 ChatGPT 作为一个前 n 个对话式推荐系统的有效性，通过在 ChatGPT 周围建立一个严谨的流程来模拟用户如何实际查询模型以获得推荐，并通过反馈反复提示以优化推荐。我们进一步探讨了 ChatGPT 推荐中的流行度偏见，并将其与基准模型的表现进行了比较，发现通过反馈反复提示 ChatGPT 是改善推荐相关性的有效策略，并且可以通过提示工程来缓解流行度偏见。

    Jan, 2024

  • GPT4Rec: 面向个性化推荐和用户兴趣解析的生成式框架

    本文介绍了 GPT4Rec，一种基于生成模型和搜索引擎的新型灵活推荐系统，它通过多查询生成技术和基于 BM25 的搜索引擎来更好地捕获用户兴趣，提高推荐的相关性和多样性。

    Apr, 2023

  • 面向生成推荐的个性化提示模型检索

    利用生成模型进行推荐系统和个性化问题的初步研究，提出了 Prompt-Model 检索和生成项排序的两阶段框架，并通过 GEMRec-18K 数据集展示了生成模型推荐的潜力和现有评估指标的局限性。

    Aug, 2023

  • 评估 ChatGPT 作为推荐系统的方法论

    本研究旨在填补大型语言模型在推荐场景中的潜力研究空白，并通过实验评估 ChatGPT 在零样本推荐系统中的能力及其与标准推荐算法以及其他大型语言模型的对比表现。

    Sep, 2023

  • ChatGPT 作为您的个人数据科学家

    本研究介绍了一种基于 ChatGPT 的对话式自动化机器学习 (AutoML) 框架作为 “个人数据科学家”，通过多个语言模型实例构建了自然界面，展示了对话式数据科学的新概念，同时也突出了 ChatGPT 的潜在缺陷和改进机会。

    May, 2023

  • ChatGPT：关于其在普适软件工程任务中效用的研究

    本研究使用 ChatGPT 这一语言模型探讨了如何利用其在软件工程中辅助完成常见任务，研究结果显示 ChatGPT 对许多任务均有不错的表现，但仍存在一些任务不适用。

    May, 2023

  • BookGPT：基于语言模型的图书推荐通用框架

    本文介绍了一种基于 ChatGPT 的 BookGPT 书籍推荐系统，利用大型语言模型技术实现了书籍的评分、用户评分和书籍概述等三项典型任务。同时，本文还讨论了 BookGPT 在书籍推荐场景中的优缺点，并分析了后续 LLM 在这些场景中的机遇和改进方向。

    May, 2023

  • GPT4Rec: 图形提示调整的流媒体推荐

    GPT4Rec 是一种用于流式推荐的图形提示调整方法，通过将图形模式解开为多个视图，并利用轻量级图形提示来引导模型适应用户 - 项目图中不同的交互模式，以综合理解图形并有效集成用户 - 项目交互的所有重要方面。

    Jun, 2024

  • RecGPT：文本推荐的生成式预训练

    我们提出了第一个经过领域适应和完全训练的大型语言模型 RecGPT-7B 及其指导模式 RecGPT-7B-Instruct，用于基于文本的推荐。实验结果表明，我们的模型 RecGPT-7B-Instruct 在评分预测和顺序推荐任务上优于以前的强基准模型。我们释放了 RecGPT 模型以及它们的预训练和微调数据集，以促进未来在基于文本的推荐领域的研究和应用。可以在此链接获取我们 RecGPT 模型和数据集：https://huggingface.com/

    May, 2024

  • 基于对话 AI 的设计：ChatGPT 作为设计师、用户和产品

    该研究旨在研究 ChatGPT 在人本设计过程中的能力，通过一个虚构的设计项目，证明 ChatGPT 可以表现为设计师、用户或产品，提高了用户体验，但是存在一定的局限性，为未来研究提供了参考方向。

    Feb, 2023