食品推荐作为语言处理（F-RLP）：一种个性化与上下文感知的范式
人工智能
2024-02-15 v2
摘要
最先进的基于规则和基于分类的食品推荐系统在变得实用和有用方面面临重大挑战。这一困难主要源于大多数机器学习模型在处理具有几乎无限类别且数据集不平衡、样本数量有限的问题时表现不佳。相反，大型语言模型（LLM）作为推荐引擎的出现提供了一条有前景的途径。然而，通用的“推荐作为语言处理”（RLP）方法缺乏有效食品推荐所需的关键组件。为弥补这一空白，我们引入了食品推荐作为语言处理（F-RLP），这是一种新颖的框架，提供了针对食品的定制化基础设施。F-RLP利用LLM的能力以最大化其潜力，从而为更准确、个性化的食品推荐铺平道路。
引用
@article{arxiv.2402.07477,
title = {Food Recommendation as Language Processing (F-RLP): A Personalized and Contextual Paradigm},
author = {Ali Rostami and Ramesh Jain and Amir M. Rahmani},
journal= {arXiv preprint arXiv:2402.07477},
year = {2024}
}