首页 > 其他分享 >LAMAR论文阅读笔记

LAMAR论文阅读笔记

时间:2024-09-11 09:03:27浏览次数:10  
标签:LAMAR 传统 模型 论文 笔记 我们 LLM 推荐

Large Language Models Augmented Rating Prediction in Recommender System论文阅读笔记

Abstract

现存的问题:

​ 由于对推荐中的协作信息缺乏了解,它们在推荐任务(如评分预测任务)中的直接应用往往达不到最佳效果。

提出方法:

​ 在本文中,我们提出了 Large lAnguage Model Augmented Recommendation (LAMAR) 框架来解决这一局限。我们的框架将 LLM 的输出与传统推荐模型相结合,同时利用协作信息和语义信息,而不是仅仅依赖 LLM。我们通过多样化提示的组合进一步提高了推荐性能,并利用 LLMs 提取侧信息来增强传统推荐模型。

Introduction

第一段介绍什么是推荐系统以及存在的通用挑战

​ 首先,传统模型通常将特征转化为嵌入,忽略了与特征相关的文本语义信息。其次,这些系统往往缺乏侧面信息,如电影评分预测中的电影导演,这阻碍了它们取得更好的性能。

第二段介绍LLM在推荐中的应用及目标

​ 推荐系统领域缺乏标准化的基础模型,这使得在不同推荐场景之间进行知识转移具有挑战性。传统的推荐系统通常依靠训练神经网络来模拟用户偏好,而基于 LLM 的推荐则不同,它是直接提示 LLM 生成推荐。因此,我们的目标是利用 LLM 增强现有的传统推荐系统。

第三段介绍现有LLM的缺点

​ 利用 LLMs 进行推荐的局限性可归因于两个关键因素。首先,LLM 难以理解用户/物品 ID 的语义,这给基于 ID 的推荐带来了挑战。其次,由于推荐任务涉及大量候选集,因此很难在 LLMs 中纳入并充分理解协作信息。

第四段介绍提出的方法

​ 在本文中,我们提出了大型智能模型增强推荐(Large lAnguage Model Augmented Recommendation,LAMAR),这是一个通用的模型无关框架,它通过整合 LLM 来增强传统的推荐系统。LAMAR 引入了一个自适应合并模块,将这两种方法有效地结合起来,使我们能够充分利用传统推荐模型和基于 LLM 的推荐模型的优势,前者擅长理解 ID 特征和协作信息,后者擅长理解文本信息和推理。

​ 通过自适应合并模块,我们可以优化推荐系统的性能。此外,我们还采用了多样化的提示集合技术,以从 LLMs 中生成多个答案。通过平均这些答案,我们可以利用 LLM 提供的不同视角,获得更准确的结果。此外,我们还利用 LLM 的能力来提供有价值的侧面信息,从而支持传统推荐模型做出更准确的预测。通过利用 LLM 提供的额外信息,我们提高了推荐系统的准确性和有效性。

本文的贡献如下:

  • 我们介绍了一种名为 LAMAR 的新颖且与模型无关的框架,该框架通过结合 LLM 增强了传统的推荐模型。通过利用 LLM 的语义信息理解和推理能力,我们的框架扩展了传统推荐模型的功能
  • LAMAR 提示 LLM 生成辅助信息,从而增强传统推荐模型。此外,我们还建议使用多样化的提示集合来进一步提高 LAMAR 框架的推荐性能。

Method

​ 图 1 展示了我们提出的 LAMAR 框架的架构。与传统的推荐模型不同,我们整合了传统推荐模型和基于 LLM 的推荐模型的优势,以充分利用它们各自的优势。此外,我们还结合了多样化的提示,以进一步提高框架的性能。此外,我们促使 LLM 生成有价值的侧边信息,从而丰富了传统推荐模型。

pAmWqvq.png

利用LLM进行推荐

评级预测任务的提示构建

​ 就是提示构建,具体方式见原文

多样性提示

​ 我们采用了不同的提示来提高 LAMAR 框架的性能。通过使用不同的提示,我们可以在 LLM 中引出不同的推理路径,从而获得更可靠、更全面的结果。

​ 在我们的方法中,使用不同提示生成评分预测的过程可表示为 r = θ(p),其中 p 表示使用的提示,θ 表示基于 LLM 的推荐模型。我们使用 k 种不同的提示,从而产生多个推荐输出:\(\begin{aligned}\{r_1=\theta(p_1),\ldots,r_k=\theta(p_k)\}\end{aligned}\)。为了整合这些多重输出并获得最终得分,我们采用了一种平均机制。具体来说,我们计算 k 个推荐结果的平均值为:\(r_{\text{LLM }}=\frac{1}{k}\sum_{i=1}^{k}r_{i}.\) 。通过对不同的推荐结果求平均值,我们可以获得更稳健、更准确的最终推荐得分。

侧信息增强的推荐

​ 在传统的推荐场景中,用于建模的可用数据往往是有限的。然而,聚合侧边信息可以显著提高推荐性能。为了利用边信息,我们在LAMAR框架中使用LLM。

​ 在传统的推荐模型中,我们可以将推荐过程表示为\(r = \psi(f_{\mathrm{id}},f_{\mathrm{feature}}),\),其中ψ表示传统的推荐模型。这里,fid表示ID特性,ffeature表示附加特性。为了合并LLM提供的边信息,我们引入了记为θ的LLM。通过对LLM应用提示p‘,我们获得了侧信息fs,它捕获了与推荐任务相关的额外语义知识。因此,评级预测可以表示为\(r_{\mathrm{Rec}}=\psi(f_{\mathrm{id}},f_{\mathrm{feature}},f_{\mathrm{s}}),\),我们用LLM生成的侧信息来增强传统的推荐模型。

自适应融合

​ 在长尾现象的背景下,具有大量交互的用户往往在传统的推荐模型中表现更好,我们在LAMAR框架内提出了一种自适应合并方法。这种自适应合并自适应地结合了基于LLM和传统推荐模型获得的结果

​ 最后的计算分数为:\(r_{u,v} = \alpha r_{\mathrm{LLM}}^{u,v}+(1 - \alpha)r_{\mathrm{Rec}}^{u,v}\)

​ 超参数 α 控制着每个推荐模型得分的权重。为了自适应地确定 α,我们会考虑用户 u 的互动次数。如果互动次数超过阈值 γ,我们会设置 α = α1。否则,我们设置 α = α2,其中 α1 < α2。

​ 这种自适应合并机制使我们能够根据用户的交互历史,动态调整基于 LLM 的模型和传统推荐模型的贡献。

Conclusion

​ 本文介绍了 LAMAR 框架,该框架利用 LLM 来增强推荐系统。我们通过将 LLM 的输出结果与传统推荐模型相结合,解决了 LLM 在理解协作信息方面的局限性。通过将传统模型提取的协作信息和 LLMs 提取的语义信息结合起来,LAMAR 提高了推荐性能。我们通过采用不同提示的集合进一步增强了基于 LLM 的推荐,从而提高了框架的有效性。此外,我们还利用 LLMs 提取了可增强传统推荐模型的辅助信息,为推荐任务提供了一种全面的方法。

标签:LAMAR,传统,模型,论文,笔记,我们,LLM,推荐
From: https://www.cnblogs.com/anewpro-techshare/p/18407633

相关文章

  • 【爬虫软件】小红书按关键词批量采集笔记,含笔记正文、转评赞藏等!
    一、背景介绍1.1爬取目标熟悉我的小伙伴都了解,我之前开发过2款软件:【GUI软件】小红书搜索结果批量采集,支持多个关键词同时抓取!【GUI软件】小红书详情数据批量采集,含笔记内容、转评赞藏等!现在介绍的这个软件,相当于以上2个软件的结合版,即根据关键词爬取笔记的详情数......
  • shader 案例学习笔记之绘制圆
    环境搭建:参考glslvscode环境搭建先上代码#ifdefGL_ESprecisionmediumpfloat;#endifuniformvec2u_resolution;voidmain(){vec2st=gl_FragCoord.xy/u_resolution.xy;st-=0.5;st.x*=u_resolution.x/u_resolution.y;floatr=length(st);......
  • springboot+vue疫情防控物业信息采集系统【程序+论文+开题】计算机毕业设计
    系统程序文件列表开题报告内容研究背景随着全球疫情的持续影响,物业管理作为社区疫情防控的第一线,其重要性日益凸显。传统物业管理方式在面对疫情时,往往存在信息采集不全、效率低下、响应滞后等问题,难以有效支撑精准防控的需求。因此,开发一套高效、智能的疫情防控物业信息采......
  • springboot+vue有机农场客户关系管理系统的设计与实现【程序+论文+开题】计算机毕业设
    系统程序文件列表开题报告内容研究背景随着消费者对食品安全及健康饮食需求的日益增长,有机农场作为提供无污染、纯天然农产品的重要基地,其市场地位日益凸显。然而,传统农场管理模式在面对日益复杂的客户群体、多样化的需求及高效运营要求时显得力不从心。特别是在客户关系管......
  • springboot+vue学生公寓报修管理系统【程序+论文+开题】计算机毕业设计
    系统程序文件列表开题报告内容研究背景随着高校规模的不断扩大,学生公寓作为学生学习与生活的重要场所,其设施设备的维护与管理日益成为高校后勤服务的重要环节。传统的学生公寓报修方式往往依赖于纸质登记或口头报告,这种方式不仅效率低下,易导致信息丢失或延误处理,还难以对维......
  • springboot+vue诊所预约系统【程序+论文+开题】计算机毕业设计
    系统程序文件列表开题报告内容研究背景随着医疗服务的日益普及和民众健康意识的增强,传统诊所面临的就诊高峰、资源分配不均及患者等待时间长等问题日益凸显。特别是在大城市,优质医疗资源尤为紧张,患者往往需要提前数天甚至数周排队挂号,极大地影响了就医体验和医疗效率。在此......
  • C#笔记9 对线程Thread的万字解读 小小多线程直接拿下!
    上一条笔记有些潦草,这是因为昨天并没有很好的理解线程可以进行的操作。今天准备细化自己对这方面的理解和记录。来看看细节吧!环境:VS2022系统:windows10环境:.Net8.0以及.NetFrameWork4.7.2(winform)线程是什么?线程是什么?每个操作系统上运行的应用程序都是一个进程,一个......
  • 基于tf-idf的论文查重
    基于tf-idf的论文查重github地址:https://github.com/gomevie/gomevie/tree/main这个作业属于哪个课程广工计院计科34班软工这个作业要求在哪里作业要求这个作业的目标设计并实现一个论文查重算法,通过比较原文和抄袭版论文文件,计算并输出重复率。PSP表格......
  • 思源笔记-S3-七牛云-多设备同步
    文档参考:思源笔记配置S3同步、思源笔记使用七牛云编写日期:2024.9.9一、思源笔记安装思源笔记官方下载地址选择对应系统版本进行下载双击【SiYuanInstaller.exe】进行安装二、注册账号注册账号是为了购买订阅,订阅后才提供S3/WEBDAV同步功能打开SiYuan......
  • 代码整洁之道--读书笔记(7)
    代码整洁之道简介:本书是编程大师“Bob大叔”40余年编程生涯的心得体会的总结,讲解要成为真正专业的程序员需要具备什么样的态度,需要遵循什么样的原则,需要采取什么样的行动。作者以自己以及身边的同事走过的弯路、犯过的错误为例,意在为后来者引路,助其职业生涯迈上更高台阶。本......