利用大语言模型建模用户浏览流用于文章推荐
信息检索
2024-03-08 v2 人工智能
摘要
本文提出用于文章推荐任务的用户浏览流建模（SINGLE）方法，从用户点击的文章中建模用户恒定偏好与即时兴趣。具体而言，我们首先采用用户恒定浏览流建模方法总结用户的一般兴趣以推荐文章。在此情况下，我们利用大语言模型（LLMs）从先前点击的文章中捕获恒定用户偏好，如技能与职位。然后我们设计用户即时浏览流建模方法，在用户点击文章历史与候选文章之间建立交互。该方法注意力式地读取用户点击文章的表示，旨在学习用户不同的兴趣视角以匹配候选文章。我们在阿里巴巴技术协会（ATA）网站上的实验结果显示了 SINGLE 的优势，在线 A/B 测试中相较先前基线模型取得 2.4% 的提升。我们的进一步分析表明，SINGLE 能够通过模拟用户不同的文章浏览行为来构建更量身定制的推荐系统，并推荐更合适且多样的文章以匹配用户兴趣。
引用
@article{arxiv.2311.07619,
title = {Modeling User Viewing Flow Using Large Language Models for Article Recommendation},
author = {Zhenghao Liu and Zulong Chen and Moufeng Zhang and Shaoyang Duan and Hong Wen and Liangyue Li and Nan Li and Yu Gu and Ge Yu},
journal= {arXiv preprint arXiv:2311.07619},
year = {2024}
}
备注
Accepted by WebConf 2024