利用预训练语言模型与微调增强电子商务推荐
机器学习
2023-02-10 v1 计算与语言
信息检索
摘要
预训练语言模型（PLM）在众多自然语言处理（NLP）任务上取得了巨大成功。然而，其在推荐系统领域的应用才刚刚起步。传统推荐算法未能融合电子商务数据集中丰富的文本信息，这限制了这些模型的性能。我们在一个电子商务数据集上，针对将 PLM 融入传统推荐算法的多种策略进行了深入研究，并将结果与原始推荐基线模型进行比较。我们表明，PLM 的应用与领域特定的微调提升了组合模型的预测能力。这些结果凸显了在电子商务场景下利用文本信息的重要性，并为如何更好地将 PLM 与传统推荐系统算法结合提供了见解。本文所用代码已在 Github 上公开：https://github.com/NuofanXu/bert_retail_recommender。
引用
@article{arxiv.2302.04443,
title = {Enhancing E-Commerce Recommendation using Pre-Trained Language Model and Fine-Tuning},
author = {Nuofan Xu and Chenhui Hu},
journal= {arXiv preprint arXiv:2302.04443},
year = {2023}
}