HierLLM：用于题目推荐的层次化大语言模型
信息检索
2024-09-11 v1
摘要
题目推荐是一项为学生顺序推荐题目以提高其学习效率的任务。即，给定学生的学习历史和学习目标，题目推荐器应选择能为学生带来最大提升的题目。先前的方法通常将题目推荐建模为一个顺序决策问题，利用学习历史估计学生的学习状态，并将学习状态与学习目标一起输入神经网络，以从题目集中选择推荐的题目。然而，先前的方法面临两个挑战：(1) 在冷启动场景下学习历史不可用，这使得推荐器产生不恰当的推荐；(2) 题目集的规模非常大，这使得推荐器难以精确选择最佳题目。为了解决这些挑战，我们提出了一种名为层次化大语言模型用于题目推荐 (HierLLM) 的方法，它是一种基于 LLM 的层次化结构。基于 LLM 的结构使 HierLLM 能够利用 LLM 强大的推理能力来解决冷启动问题。层次化结构利用了概念数量远少于题目数量这一事实，通过首先确定待推荐题目的相关概念，然后基于该概念选择推荐的题目，从而缩小了可选题目的范围。这种层次化结构降低了推荐的难度。为了研究 HierLLM 的性能，我们进行了广泛的实验，结果证明了 HierLLM 的卓越性能。
引用
@article{arxiv.2409.06177,
title = {HierLLM: Hierarchical Large Language Model for Question Recommendation},
author = {Yuxuan Liu and Haipeng Liu and Ting Long},
journal= {arXiv preprint arXiv:2409.06177},
year = {2024}
}