摘要: 原文地址:https://arxiv.org/abs/2305.07001 本文作者将用户偏好、意图等构建为指令,并用这些指令调优一个LLM(3B Flan-T5-XL),该方法对用户友好,用户可以与系统交流获取更准确的推荐。 ## INTRODUCTION LLM是建立在自然语言文本上的,它不能直 阅读全文
posted @ 2023-09-08 13:23 South1999 阅读(307) 评论(0) 推荐(1) 编辑
摘要: 论文原文地址:https://arxiv.org/abs/2307.15780 本文提出了一种提示LLM并使用其生成的内容增强推荐系统的输入的方法,提高了个性化推荐的效果。 ## LLM-Rec Prompting ![](https://img2023.cnblogs.com/blog/17994 阅读全文
posted @ 2023-09-07 10:42 South1999 阅读(338) 评论(0) 推荐(0) 编辑
摘要: 文章地址:https://arxiv.org/abs/2307.02046 笔记中的一些小实验中的模型都是基于GPT-3.5架构的ChatGPT模型。 本文主要讲述了比较具有代表性的方法利用LLM去学习user和item的表示,从预训练、微调和提示三个范式回顾了近期用于增强推荐系统的LLM先进技术, 阅读全文
posted @ 2023-09-04 21:33 South1999 阅读(1044) 评论(0) 推荐(0) 编辑
摘要: 论文地址:https://arxiv.org/abs/2306.05817 论文主要从LLM应用在推荐系统哪些部分以及LLM如何应用在推荐系统中,还讨论了目前LLM应用在RS中的一些问题。 ###Where? 推荐系统哪些部分哪里可以应用到大模型?文章中提到了特征工程、特征编码、评分/排序函数、推荐 阅读全文
posted @ 2023-08-28 22:11 South1999 阅读(369) 评论(0) 推荐(0) 编辑
摘要: #动机 本文是2021年SIGIR上的一篇论文。本文主要针对的是冷启动问题中的跨域推荐问题,目前常用的方法是EMCDR,但是这个方法很大局限性,它仅在重叠的用户上学习,这样学到的模型会偏向于这些重叠用户,针对以上问题,本文提出了TMCDR方法,是一种基于embedding模型通用的方法。 #方法 # 阅读全文
posted @ 2022-11-08 10:07 South1999 阅读(183) 评论(2) 推荐(0) 编辑
摘要: #动机 本文是2022年CIKM上的一篇论文。目前解决物品冷启动的方法通常有两种:1.通过物品的特征补充信息。2.元学习。前者通常只考虑到利用物品的属性,而后者旨在为所有新物品生成一个全局共享的初始化。本文提出的TSAML结合上述两种方法的优点,它是一个任务相似性感知的元学习框架。 #方法 TSAM 阅读全文
posted @ 2022-10-31 16:51 South1999 阅读(180) 评论(0) 推荐(1) 编辑
摘要: 文章原文请见Learning Graph Meta Embeddings for Cold-Start Ads in Click-Through Rate Prediction。 文章的核心思路就是根据物品相似度去建一张图,用新广告的邻居老广告的信息加权生成新广告的id表示,再用这个新广告的id表示 阅读全文
posted @ 2022-10-28 14:33 South1999 阅读(119) 评论(0) 推荐(0) 编辑
摘要: #动机 本文是2021年快手的一篇文章。目前用户冷启动有以下难题:1.新用户行为分布与普通用户有很大不同。2.尽管新用户也包含个性化特征,但是因为采样不平衡,这些特征会被淹没(个人理解就是因为新用户数据少,他们的特征很难被有效学习)。针对以上问题,本文提出了POSO方法。 #方法 POSO不是一个单 阅读全文
posted @ 2022-10-26 22:02 South1999 阅读(380) 评论(0) 推荐(0) 编辑
摘要: #动机 本文是ACM MM2022上的一篇论文。在冷启动问题中,之前的工作大多数只考虑到新用户和新广告,并且用户的兴趣也可能随着时间去改变。因此,本文作者认为冷启动问题在时间维度上也存在,提出了广义的冷启动,并且提出了解决广义上的冷启动问题的方法。 #方法 本文对冷启动的定义将一个会话序列(短的交互 阅读全文
posted @ 2022-10-24 17:32 South1999 阅读(67) 评论(0) 推荐(0) 编辑
摘要: #动机 本文是2022年SIGIR上的一篇论文。解决推荐系统中冷启动问题通常有两种方法:1.挖掘历史数据中的分布模式,例如学习一个辅助信息到id的映射。2.在交互物品有限的情况下提高学习效率,例如元学习。但是很少有方法同时兼顾这两个方向,本文提出了CVAR模型解决了上述问题该文主要解决的是item的 阅读全文
posted @ 2022-10-17 15:45 South1999 阅读(285) 评论(0) 推荐(0) 编辑