增强LLM基推荐模型中高阶交互感知能力
信息检索
2024-11-19 v3 计算与语言
摘要
大型语言模型（LLMs）在将推荐任务转化为文本生成任务后，展示了在推荐任务中显著的推理能力。然而，现有方法要么忽视用户-物品高阶交互，要么无有效地对其进行建模。为此，本文提出了增强型LLM推荐模型（enhanced LLM-based recommender, 简称ELMRec）。我们通过提升整词嵌入，大幅增强LLMs对为推荐构建的图结构交互的解释能力，无需进行图预训练。这一发现可能激发后续研究通过整词嵌入将丰富的知识图谱纳入LLM基推荐系统的可能性。我们还发现LLMs往往基于用户的早期交互来推荐物品，而非最近的交互，并提出了一种重排序方案。我们的ELMRec在直接推荐和顺序推荐任务中均优于当前最先进（SOTA）方法。
引用
@article{arxiv.2409.19979,
title = {Enhancing High-order Interaction Awareness in LLM-based Recommender Model},
author = {Xinfeng Wang and Jin Cui and Fumiyo Fukumoto and Yoshimi Suzuki},
journal= {arXiv preprint arXiv:2409.19979},
year = {2024}
}
备注
Long paper accepted to EMNLP 2024 Main. 16 pages