基于大语言模型的新闻推荐系统综述

新闻推荐系统在缓解信息过载方面发挥着关键作用。近年来，随着大语言模型技术的成功应用，研究者们利用判别式大语言模型 (DLLM) 或生成式大语言模型 (GLLM) 来提高新闻推荐系统的性能。尽管已有若干综述涵盖深度学习新闻推荐系统的显著挑战，如公平性、隐私保护和责任，但缺乏关于大语言模型 (LLM) 新闻推荐系统的系统性综述。为系统审视不同核心方法并探索潜在问题，本文将 DLLM 和 GLLM 基于新闻推荐系统的方法纳入 LLM 新闻推荐系统的总体框架。本综述首先概述深度学习新闻推荐系统的发展。随后，我们基于三个方面回顾 LLM 新闻推荐系统：新闻导向建模、用户导向建模和预测导向建模。进一步，我们从数据集、基准工具和方法等多个角度审查了挑战。此外，我们进行大量实验，分析大语言模型技术如何影响不同新闻推荐系统的性能。最后，我们全面探讨了在 LLM 时代下新闻推荐的未来方向。