ChatGPT 用于对话式推荐：通过反馈重新提示以优化推荐
信息检索
2024-01-09 v1 人工智能
计算与语言
机器学习
摘要
推荐算法在处理海量在线内容方面一直发挥着关键作用。然而，这些算法很少考虑直接的用户输入，导致它们之间的交互流于表面。人们已尝试通过对话让用户直接参与推荐过程，但这些系统的互动性仍然有限。最近，像 ChatGPT 这样的大型语言模型 (LLMs) 因其易用性以及能够动态适应各种任务并响应反馈而广受欢迎。在本文中，我们研究了 ChatGPT 作为 top-n 对话式推荐系统的有效性。我们围绕 ChatGPT 构建了一个严格的流程，以模拟用户如何现实地向模型探寻推荐：首先发出指令，然后通过反馈重新提示以优化一组推荐。我们进一步探讨了 ChatGPT 推荐中的流行度偏差效应，并将其性能与基线模型进行了比较。我们发现，利用反馈重新提示 ChatGPT 是提高推荐相关性的有效策略，并且可以通过提示工程减轻流行度偏差。
引用
@article{arxiv.2401.03605,
title = {ChatGPT for Conversational Recommendation: Refining Recommendations by Reprompting with Feedback},
author = {Kyle Dylan Spurlock and Cagla Acun and Esin Saka and Olfa Nasraoui},
journal= {arXiv preprint arXiv:2401.03605},
year = {2024}
}