MRP-LLM：面向隐私保护的下一个兴趣点推荐的多任务反思大语言模型
信息检索
2024-12-12 v1 人工智能
摘要
大语言模型 (LLMs) 在下一个兴趣点 (POI) 推荐方面显示出巨大潜力。然而，现有方法仅执行直接的零样本提示，导致用户偏好提取效果不佳、协同信号注入不足以及缺乏用户隐私保护。为此，我们提出了一种新颖的面向隐私保护的下一个 POI 推荐的多任务反思大语言模型 (MRP-LLM)，旨在利用 LLMs 在保护用户隐私的同时实现更好的下一个 POI 推荐。具体而言，多任务反思偏好提取模块首先利用 LLMs 将每个用户的细粒度（即类别、时间和空间）偏好提炼到一个知识库 (KB) 中。邻居偏好检索模块从 KB 中检索并总结相似用户的偏好以获得协同信号。随后，多任务下一个 POI 推荐模块聚合用户偏好与相似用户的偏好，通过多任务提示生成下一个 POI 推荐。同时，在数据收集过程中，专门设计了一个隐私传输模块来保护敏感的 POI 数据。在三个真实世界数据集上的大量实验证明了我们提出的 MRP-LLM 在保护用户隐私的同时提供更准确的下一个 POI 推荐方面的有效性。
引用
@article{arxiv.2412.07796,
title = {MRP-LLM: Multitask Reflective Large Language Models for Privacy-Preserving Next POI Recommendation},
author = {Ziqing Wu and Zhu Sun and Dongxia Wang and Lu Zhang and Jie Zhang and Yew Soon Ong},
journal= {arXiv preprint arXiv:2412.07796},
year = {2024}
}
备注
14 pages, 7 figures