异构知识融合：一种基于大语言模型的个性化推荐新方法
信息检索
2023-08-21 v2 人工智能
摘要
用户异构行为的分析与挖掘在推荐系统中至关重要。然而，将各类异构行为纳入推荐模型的传统方法会导致特征稀疏与知识碎片化问题。为应对该挑战，我们提出一种基于大语言模型（LLM）的个性化推荐新方法，通过从用户异构行为信息中提取并融合异构知识。此外，通过结合异构知识与推荐任务，对LLM进行指令微调以实现个性化推荐。实验结果表明，我们的方法能有效整合用户异构行为并显著提升推荐性能。
引用
@article{arxiv.2308.03333,
title = {Heterogeneous Knowledge Fusion: A Novel Approach for Personalized Recommendation via LLM},
author = {Bin Yin and Junjie Xie and Yu Qin and Zixiang Ding and Zhichao Feng and Xiang Li and Wei Lin},
journal= {arXiv preprint arXiv:2308.03333},
year = {2023}
}
备注
Accepted at RecSys 2023