基于评论文本的简洁用户画像推荐
信息检索
2025-02-28 v3
摘要
推荐系统在对流行物品以及具有充足交互（点赞、评分等）的用户上表现良好。本工作关注困难且未被充分探索的一类用户：其交互极为稀疏但却发布了信息丰富的评论文本。这一设定自然需要利用大语言模型（LLM）对用户特定文本进行编码。然而，将全部评论的完整文本输入 LLM 存在信噪比低的问题，并带来高昂的 token 处理成本。本文解决这两个问题。提出了一个轻量框架 CUP，它首先计算简洁的用户画像，并仅将这些画像输入基于 transformer 的推荐器训练。对于用户画像，我们设计了多种技术以从含噪评论中筛选最具信息量的线索。基于书籍评论数据的实验表明，使用精心构建的画像微调小型语言模型取得了最佳性能，即便与 LLM 生成的排序相比亦然。
引用
@article{arxiv.2311.01314,
title = {Recommendations by Concise User Profiles from Review Text},
author = {Ghazaleh Haratinezhad Torbati and Anna Tigunova and Andrew Yates and Gerhard Weikum},
journal= {arXiv preprint arXiv:2311.01314},
year = {2025}
}