探索微调 ChatGPT 用于新闻推荐
信息检索
2023-11-13 v1
摘要
新闻推荐系统（RS）在当前的数字时代起着关键作用，塑造着个人获取和接触信息的方式。由 GPT 和 T5 系列等大型语言模型的兴起所推动的自然语言处理（NLP）与 RS 的融合，模糊了这些领域之间的界限，使得将 RS 视为语言任务成为一种趋势。ChatGPT 以其用户友好的界面和日益增长的流行度，已成为各种 NLP 任务的重要选择。虽然先前的研究已探索了 ChatGPT 在推荐任务上的应用，但本研究通过考察其微调能力，特别是在新闻领域内的微调能力，开辟了新天地。在本研究中，我们设计了两种不同的提示：一种旨在将新闻 RS 视为排序任务，另一种为评分任务量身定制。我们通过构建这两种任务并引出直接响应，评估 ChatGPT 在新闻推荐中的表现。更重要的是，我们揭示了微调数据质量在增强 ChatGPT 个性化推荐能力中的关键作用，并说明了其在解决 RS 中长期存在的“冷物品”问题方面的潜力。我们使用 Microsoft News 数据集（MIND）进行的实验表明，经过微调后 ChatGPT 取得了显著改进，特别是在用户主题兴趣保持一致、将新闻 RS 视为排序任务的场景中。本研究阐明了微调 ChatGPT 作为一种推进新闻 RS 的手段的变革潜力，提供了更有效的新闻消费体验。
引用
@article{arxiv.2311.05850,
title = {Exploring Fine-tuning ChatGPT for News Recommendation},
author = {Xinyi Li and Yongfeng Zhang and Edward C Malthouse},
journal= {arXiv preprint arXiv:2311.05850},
year = {2023}
}