推荐基础模型如何为物品ID建立索引
信息检索
2023-09-27 v6 人工智能
计算与语言
机器学习
摘要
推荐基础模型利用大语言模型(LLM)进行推荐，将推荐任务转化为自然语言任务。它实现了生成式推荐，直接生成待推荐的物品，而非像传统推荐模型那样对每个候选物品计算排序分数，从而将推荐流程从多阶段过滤简化为单阶段过滤。为避免在决定推荐哪些物品时生成过长文本及产生幻觉推荐，为推荐基础模型创建兼容LLM的物品ID以唯一标识每个物品至关重要。本研究以P5作为骨干LLM示例，系统性考察推荐基础模型的物品ID创建与索引问题。为强调物品索引的重要性，我们首先讨论若干平凡索引方法(如随机索引、标题索引和独立索引)存在的问题。随后提出四种简单而有效的方案，包括顺序索引、协同索引、语义(基于内容)索引和混合索引。我们的研究凸显了物品索引方法对基于LLM的推荐性能的显著影响，且在真实世界数据集上的结果验证了所提方案的有效性。该研究还展示了语言建模与传统信息检索(IR)原理(如索引)的最新进展如何相互助益，以实现更好的学习与推断。源代码与数据见 https://github.com/Wenyueh/LLM-RecSys-ID。
引用
@article{arxiv.2305.06569,
title = {How to Index Item IDs for Recommendation Foundation Models},
author = {Wenyue Hua and Shuyuan Xu and Yingqiang Ge and Yongfeng Zhang},
journal= {arXiv preprint arXiv:2305.06569},
year = {2023}
}
备注
Accepted as a full paper by ACM SIGIR-AP 2023