面向基于语言的用户档案的推荐系统端到端训练
信息检索
2025-02-14 v2 机器学习
摘要
对于基于语言的用户档案（Language-based User Profiles）的推荐系统研究正日益增长，这旨在相较于基于嵌入的方法提高透明度和可解释性。现有研究主要通过大型语言模型（LLM）的零样本推理生成这些档案，但其质量仍不足，导致推荐性能次优。本文引入 LangPTune，即首个优化 LLM 生成的用户档案的端到端训练框架。我们的方法通过显式训练 LLM 以实现推荐目标，显著优于零样本方法。通过广泛的评估配置和基准测试，我们展示 LangPTune 不仅超越了零样本基线，还可以与最先进的基于嵌入的方法性能相当。最后，我们通过 GPT-4 模拟和众包用户研究，探讨了训练程序是否保留了这些档案相对于零样本推理的可解释性。LangPTune 的实现可在 https://github.com/ZhaolinGao/LangPTune 查找。
引用
@article{arxiv.2410.18870,
title = {End-to-end Training for Recommendation with Language-based User Profiles},
author = {Zhaolin Gao and Joyce Zhou and Yijia Dai and Thorsten Joachims},
journal= {arXiv preprint arXiv:2410.18870},
year = {2025}
}