首页 > 其他分享 >Large Language Models meet Collaborative Filtering

Large Language Models meet Collaborative Filtering

时间:2024-08-03 10:52:39浏览次数:16  
标签:Filtering Language Collaborative 场景 CF 用户 LLMRec LLM RecSys

本文是LLM系列文章,针对《Large Language Models meet Collaborative Filtering: An Efficient
All

大型语言模型与协同过滤:一个高效的基于LLM的全方位推荐系统

摘要

协同过滤推荐系统(CF RecSys)在增强社交媒体和电子商务平台上的用户体验方面取得了连续的成果。然而,由于CF RecSys在用户-项目交互稀疏的冷场景下苦苦挣扎,最近的策略侧重于基于预训练的模态编码器和大型语言模型(LLM)利用用户/项目的模态信息(例如文本或图像)。尽管它们在冷启动场景下有效,但我们观察到,由于缺乏协作知识,它们在温暖场景下的表现不如简单的传统协作过滤模型。在这项工作中,我们提出了一种高效的基于LLM的全方位推荐系统,称为A-LLMRec,它不仅在寒冷的情况下表现出色,而且在温暖的情况下也表现出色。我们的主要想法是使LLM能够直接利用预训练好的最先进CF RecSys中包含的协作知识,从而可以共同利用LLM的涌现能力以及已经由最先进CF RecSys训练过的高质量用户/项目嵌入。这种方法有两个优点:(1)模型无关,允许与各种现有的CF RecSys集成;(2)效率高,消除了基于LLM的推荐器通常需要的大量微调。我们在各种真实世界数据集上进行的广泛实验证明了A-LLMRec在各种场景中的优越性,包括冷/温、小样本、冷用户和跨域场景。除了推荐任务,我们还展示了A-LLMRec在通过执行最喜欢的体裁预测任务,基于对协作知识的理解生成自然语言输出方面的潜力。我们的代码在https://github.com/ghdtjr/A-LLMRec上可用。

标签:Filtering,Language,Collaborative,场景,CF,用户,LLMRec,LLM,RecSys
From: https://blog.csdn.net/c_cpp_csharp/article/details/140873602

相关文章

  • [paper阅读笔记][2023]CorpusLM: Towards a Unified Language Model on Corpusfor Kno
    文章链接:https://arxiv.org/pdf/2402.01176v2Paper的任务处理各种知识密集型任务任务的科学问题本文任务虽然是:提出一个统一的语言模型来处理各种知识密集型任务,但其实其本质科学问题是:如何提高LLMs在知识密集型任务中的检索效率。原因是:LLMs在生成文本时容易出现错误信......
  • Pixel Aligned Language Models论文阅读笔记
    Motivation&Abs近年来,大语言模型在视觉方面取得了极大的进步,但其如何完成定位任务(如wordgrounding等)仍然不清楚。本文旨在设计一种模型能够将一系列点/边界框作为输入或者输出。当模型接受定位信息作为输入时,可以进行以定位为condition的captioning。当生成位置作为输出时,模型......
  • 易优CMS模板标签language语言列表罗列所有语言列表
    【基础用法】标签:languagename值:web_language_switch描述:语言列表标签,获取多语言列表内容。用法:{eyou:languagetype='default'}<ahref="{$field.url}"><imgsrc="{$field.logo}"alt="{$field.title}">{$field.title}</a>{/eyou:......
  • ClearCLIP: Decomposing CLIP Representations for Dense Vision-Language Inference
    Motivation&Abs文章关注的任务为用VLM(如CLIP)做开放词汇分割,motivation主要来自于作者的一个观察:分割图中的噪声主要来自于残差连接,这会导致在文本-图像预训练更加强调全局特征,从而牺牲了局部判别能力,从而导致了分割结果中的噪声。为此作者提出了ClearCLIP,对CLIP的特征进行解耦,......
  • python运行报警告:Cython directive 'language_level' not set, using '3str' for now
    相关:https://stackoverflow.com/questions/34603628/how-to-specify-python-3-source-in-cythons-setup-pycython的setup.py文件内容:fromdistutils.coreimportsetupfromCython.Buildimportcythonizesetup(name='GreatCirclemodulev1',ext_modu......
  • CF568C New Language 题解
    Description将\(\texttt{a}\sim\texttt{a}+l-1\)这\(l\)个字符分成\(\texttt{V,C}\)两个集合。你需要构造一个长度为\(n\)且满足\(m\)个限制且不小于另一个长度为\(n\)的字符串\(s\)的最小字符串。每一个限制为若字符串的第\(p_1\)个位置上的字符\(\in......
  • Large Language Models: A Survey
    LargeLanguageModels:ASurveyhttps://arxiv.org/pdf/2402.06196 导读https://developer.volcengine.com/articles/7389111961612451866 1、介绍了语言建模的历史背景,从统计语言模型到神经网络模型,再到预训练语言模型和LLMs的发展。流行语言模型类型:Encoder-Only、D......
  • 【论文阅读笔记】大模型微调——《LoRA: Low-Rank Adaptation of Large Language Mode
    论文地址:https://arxiv.org/abs/2106.09685代码地址:https://github.com/microsoft/LoRA目录IntroductionMotivationMethodExperimentsFurtherdiscusion感想IntroductionMotivationMethodExperimentsFurtherdiscusion个人认为本篇的精髓所在,能够引用5k+的原因之一感......
  • ChatRule: Mining Logical Rules with Large Language Models for Knowledge Graph Re
    文章目录题目摘要引言方法实验消融研究题目ChatRule:利用大型语言模型挖掘逻辑规则进行知识图推理论文地址:https://arxiv.org/abs/2309.01538摘要    逻辑规则对于揭示关系之间的逻辑联系至关重要,这可以提高推理性能并在知识图谱(KG)上提供可解释的结果。尽......
  • Evaluating the Factuality of Large Language Models using Large-Scale Knowledge G
    本文是LLM系列文章,针对《EvaluatingtheFactualityofLargeLanguageModelsusingLarge-ScaleKnowledgeGraphs》的翻译。使用大规模知识图谱评估大型语言模型的真实性摘要1引言2相关工作3方法4实验5结论摘要大型语言模型(LLMs)的出现极大地改变了人......