大语言模型增强的推荐系统：综述
信息检索
2025-03-11 v3 人工智能
摘要
大语言模型（LLM）在包括推荐系统（RS）在内的各个领域具有变革潜力。已有少量研究专注于通过LLM赋能RS。然而，先前的工作主要关注LLM作为RS，这可能面临LLM推理成本难以承受的挑战。最近，将LLM集成到RS中，即LLM增强的推荐系统（LLMERS），因其在解决实际应用中的延迟和内存约束方面的潜力而引起了广泛兴趣。本文全面综述了旨在利用LLM增强RS能力的最新研究工作。我们识别出该领域的一个关键转变，即转向将LLM纳入在线系统，特别是避免在推理过程中使用它们。我们的综述根据被增强的RS模型组件将现有LLMERS方法分为三种主要类型：知识增强、交互增强和模型增强。我们对每个类别进行了深入分析，讨论了方法论、挑战和近期研究的贡献。此外，我们强调了几个有前景的研究方向，可以进一步推动LLMERS领域的发展。
引用
@article{arxiv.2412.13432,
title = {Large Language Model Enhanced Recommender Systems: A Survey},
author = {Qidong Liu and Xiangyu Zhao and Yuhao Wang and Yejing Wang and Zijian Zhang and Yuqi Sun and Xiang Li and Maolin Wang and Pengyue Jia and Chong Chen and Wei Huang and Feng Tian},
journal= {arXiv preprint arXiv:2412.13432},
year = {2025}
}