利用大型语言模型增强基于ID的推荐系统
信息检索
2024-11-05 v1 人工智能
摘要
大型语言模型(LLMs)近期在包括推荐系统在内的多个领域引起了广泛关注。最近的研究利用LLMs的能力来提升推荐系统的性能和用户建模方面。这些研究主要集中于利用LLMs解释推荐任务中的文本数据。然而，值得注意的是，在基于ID的推荐中，文本数据缺失，仅有ID数据可用。LLMs在基于ID的推荐范式下对ID数据的未开发潜力仍相对未被探索。为此，我们引入了一种开创性的方法，称为“LLM for ID-based Recommendation”(LLM4IDRec)。这种创新方法整合了LLMs的能力，同时完全依赖ID数据，从而与先前对文本数据的依赖不同。LLM4IDRec的基本思想是：通过使用LLM增强ID数据，如果增强后的ID数据能提升推荐性能，则表明LLM能够有效解释ID数据，为LLM在基于ID推荐中的集成探索了一条创新途径。我们使用三个广泛使用的数据集评估了LLM4IDRec方法的有效性。结果表明，我们的方法仅通过增强输入数据，就在基于ID的推荐中持续优于现有方法，显著提升了推荐性能。
引用
@article{arxiv.2411.02041,
title = {Enhancing ID-based Recommendation with Large Language Models},
author = {Lei Chen and Chen Gao and Xiaoyi Du and Hengliang Luo and Depeng Jin and Yong Li and Meng Wang},
journal= {arXiv preprint arXiv:2411.02041},
year = {2024}
}