GPT4Rec：一种用于个性化推荐与用户兴趣解释的生成式框架
信息检索
2023-04-11 v1 机器学习
摘要
自然语言处理(NLP)的最新进展催生了基于 NLP 的推荐系统，其已展现出优越性能。然而，当前模型通常将物品视为单纯 ID 并采用判别式建模，导致以下局限：(1) 无法充分利用物品的内容信息与 NLP 模型的语言建模能力；(2) 难以解释用户兴趣以提升相关性与多样性；(3) 难以适应如物品库不断增长等实际情形。为应对这些局限，我们提出 GPT4Rec，一种受搜索引擎启发的新颖且灵活的生成式框架。它首先根据用户历史中的物品标题生成假设性的“搜索查询”，随后通过搜索这些查询来检索物品以进行推荐。该框架通过在语言空间中学习用户与物品的嵌入，克服了以往的局限。为良好捕捉用户不同方面与粒度的兴趣以提升相关性与多样性，我们提出了一种带束搜索的多查询生成技术。生成的查询天然地作为用户兴趣的可解释表示，并可被搜索以推荐冷启动物品。借助 GPT-2 语言模型与 BM25 搜索引擎，我们的框架在两个公开数据集上以 Recall@K 指标超越 SOTA 方法 与 。实验进一步揭示，带束搜索的多查询生成同时提升了被检索物品的多样性与用户多兴趣的覆盖度。生成查询的适应性与可解释性通过定性案例研究进行了讨论。
引用
@article{arxiv.2304.03879,
title = {GPT4Rec: A Generative Framework for Personalized Recommendation and User Interests Interpretation},
author = {Jinming Li and Wentao Zhang and Tian Wang and Guanglei Xiong and Alan Lu and Gerard Medioni},
journal= {arXiv preprint arXiv:2304.03879},
year = {2023}
}