LLM-KT：面向协同过滤的大语言模型知识迁移通用框架
信息检索
2024-11-04 v1 人工智能
摘要
我们提出了LLM-KT，一个灵活的框架，旨在通过无缝集成大语言模型（LLM）生成的特征来增强协同过滤（CF）模型。与现有方法依赖将LLM生成的特征作为直接输入不同，我们的框架将这些特征注入到任何CF模型的中间层，使模型能够内部重建和利用这些嵌入。这种模型无关的方法适用于广泛的CF模型，无需架构更改，使其能够适应各种推荐场景。我们的框架易于集成和修改，为研究人员和开发者提供了一个通过高效知识迁移扩展CF模型能力的强大工具。我们在MovieLens和Amazon数据集上的实验证明了其有效性，它持续改进了基线CF模型。实验研究表明，LLM-KT在上下文感知设置中与传统最先进方法具有竞争力，但可以应用于比当前方法更广泛的CF模型。
引用
@article{arxiv.2411.00556,
title = {LLM-KT: A Versatile Framework for Knowledge Transfer from Large Language Models to Collaborative Filtering},
author = {Nikita Severin and Aleksei Ziablitsev and Yulia Savelyeva and Valeriy Tashchilin and Ivan Bulychev and Mikhail Yushkov and Artem Kushneruk and Amaliya Zaryvnykh and Dmitrii Kiselev and Andrey Savchenko and Ilya Makarov},
journal= {arXiv preprint arXiv:2411.00556},
year = {2024}
}
备注
accepted at ICDM 2024 (demo track)