跨域推荐与大语言模型的融合
信息检索
2024-12-02 v1
摘要
跨域推荐（CDR）作为解决单域推荐系统面临的冷启动问题的热门方案，然而现有 CDR 模型依赖复杂的神经网络架构、大规模数据集及大量计算资源，在数据稀缺或需简洁实现的场景中效果有限。本文利用大语言模型（LLM）的推理能力，探索其在 CDR 领域的性能，涵盖多个领域对。我们引入两种针对 CDR 的新颖提示设计，证明在有效提示下，LLM 在各种指标和领域组合下的评分预测与排序任务中，均优于最先进的 CDR 基线方法。这一工作搭建了 LLM 与推荐系统之间的壁垒，展示了其作为高效跨域推荐器的潜力。
引用
@article{arxiv.2411.19862,
title = {Cross-Domain Recommendation Meets Large Language Models},
author = {Ajay Krishna Vajjala and Dipak Meher and Ziwei Zhu and David S. Rosenblum},
journal= {arXiv preprint arXiv:2411.19862},
year = {2024}
}
备注
12 pages