大语言模型时代的用户建模：当前研究与未来方向
计算与语言
2023-12-27 v2 人工智能
摘要
用户建模（UM）旨在从用户数据中发现模式或学习关于特定用户特征（如档案、偏好和个性）的表示。用户模型使得许多在线应用（如推荐、教育和医疗）中的个性化和可疑性检测成为可能。两种常见的用户数据类型是文本和图，因为数据通常包含大量用户生成内容（UGC）和在线交互。文本和图挖掘的研究发展迅速，在过去二十年中贡献了许多显著的解决方案。最近，大语言模型（LLMs）在生成、理解甚至推理文本数据方面表现出卓越的性能。用户建模方法已经配备了LLMs，并很快变得突出。本文总结了关于LLMs如何以及为何是建模和理解UGC的出色工具的现有研究。然后回顾了几类以不同方式将LLMs与基于文本和图的方法集成的大语言模型用户建模（LLM-UM）方法。接着介绍了针对各种UM应用的特定LLM-UM技术。最后，提出了LLM-UM研究中剩余的挑战和未来方向。我们维护阅读列表：https://github.com/TamSiuhin/LLM-UM-Reading
引用
@article{arxiv.2312.11518,
title = {User Modeling in the Era of Large Language Models: Current Research and Future Directions},
author = {Zhaoxuan Tan and Meng Jiang},
journal= {arXiv preprint arXiv:2312.11518},
year = {2023}
}
备注
IEEE Data Engineering Bulletin 2023