使用大型语言模型进行带类别描述的新闻推荐

个性化新闻推荐对于在线新闻平台至关重要，旨在帮助用户从海量在线内容中发现与其兴趣匹配的新闻文章。合适编码的内容特征，如文本、类别和图像，都是推荐系统的关键。其中，新闻类别（如 tv-golden-globe、finance-real-estate 和 news-politics）在理解新闻内容方面发挥着重要作用，促使我们增强这些类别的描述。在本文中，我们提出了一种 novel 方法，使用大型语言模型 (LLM) 自动生成信息丰富的类别描述，而无需人工 effort 或领域特定知识，并将其纳入 recommendation models 作为额外信息。在使用 MIND 数据集进行全面实验评估后，我们的方法在 AUC 上相对于不使用 LLM 生成的类别描述的基线方法实现了最高 5.8% 的改进。这些结果验证了我们方法的有效性。代码可在 https://github.com/yamanalab/gpt-augmented-news-recommendation 获取。