基于生成模型的现代推荐系统综述
信息检索
2024-07-08 v2 人工智能
摘要
传统推荐系统（RS）通常使用用户-物品评分历史作为其主要数据源。然而，深度生成模型现在能够对复杂数据分布进行建模和采样，包括用户-物品交互、文本、图像和视频，从而实现新颖的推荐任务。这篇全面的多学科综述连接了使用生成模型的推荐系统（Gen-RecSys）的关键进展，涵盖：交互驱动的生成模型；利用大语言模型（LLM）和文本数据进行自然语言推荐；以及集成多模态模型以在推荐系统中生成和处理图像/视频。我们的工作强调了评估 Gen-RecSys 影响与危害的必要范式，并指出了开放性挑战。本综述伴随于 ACM KDD'24 上的一场教程进行，支持材料见：https://encr.pw/vDhLq。
引用
@article{arxiv.2404.00579,
title = {A Review of Modern Recommender Systems Using Generative Models (Gen-RecSys)},
author = {Yashar Deldjoo and Zhankui He and Julian McAuley and Anton Korikov and Scott Sanner and Arnau Ramisa and René Vidal and Maheswaran Sathiamoorthy and Atoosa Kasirzadeh and Silvia Milano},
journal= {arXiv preprint arXiv:2404.00579},
year = {2024}
}
备注
This survey accompanies a tutorial presented at ACM KDD'24