基于语言模型与强化学习的真实且个性化推荐
人工智能
2023-10-11 v1
摘要
推荐系统（RSs）在将用户与内容、产品及服务相连接方面发挥着核心作用，依据用户偏好将候选物品匹配给用户。传统 RSs 依赖隐式用户反馈信号，而对话式 RSs 以自然语言与用户交互。本工作中，我们开发了 comPelling、Precise、Personalized、Preference-relevant 语言模型（P4LM），在向用户推荐物品的同时着重阐释物品特征及其相关性。P4LM 利用用户偏好的嵌入空间表示来生成基于事实且对用户偏好相关的引人入胜的回复。此外，我们设计了联合奖励函数以度量精确性、吸引力与个性化，并将其作为基于强化学习的语言模型框架中的 AI 反馈。使用 MovieLens 25M 数据集，我们证明 P4LM 可向用户提供引人入胜的个性化电影叙述。
引用
@article{arxiv.2310.06176,
title = {Factual and Personalized Recommendations using Language Models and Reinforcement Learning},
author = {Jihwan Jeong and Yinlam Chow and Guy Tennenholtz and Chih-Wei Hsu and Azamat Tulepbergenov and Mohammad Ghavamzadeh and Craig Boutilier},
journal= {arXiv preprint arXiv:2310.06176},
year = {2023}
}