揭示 ChatGPT 在推荐系统中的能力
信息检索
2023-08-25 v3
摘要
ChatGPT 的问世近来吸引了自然语言处理（NLP）界及更广泛领域的关注。现有研究表明 ChatGPT 在一系列下游 NLP 任务上表现出显著改进，但其在推荐方面的能力与局限仍不明确。在本研究中，我们从信息检索（IR）视角对 ChatGPT 的推荐能力进行实证分析，包括逐点、成对与列表式排序。为实现该目标，我们将上述三种推荐策略重新表述为领域特定的提示格式。通过在来自不同领域的四个数据集上进行大量实验，我们证明 ChatGPT 在所有三种排序策略上均优于其他大语言模型。基于单位成本改进的分析，我们确认相较逐点与成对排序，采用列表式排序的 ChatGPT 在成本与性能间取得了最佳权衡。此外，ChatGPT 展现出缓解冷启动问题及可解释推荐的潜力。为便于该领域的进一步探索，完整代码与详细原始结果已开源至 https://github.com/rainym00d/LLM4RS。
引用
@article{arxiv.2305.02182,
title = {Uncovering ChatGPT's Capabilities in Recommender Systems},
author = {Sunhao Dai and Ninglu Shao and Haiyuan Zhao and Weijie Yu and Zihua Si and Chen Xu and Zhongxiang Sun and Xiao Zhang and Jun Xu},
journal= {arXiv preprint arXiv:2305.02182},
year = {2023}
}
备注
Accepted by RecSys 2023