Towards Personalized Prompt-Model Retrieval for Generative Recommendation

要約

レコメンダーシステムは、ユーザーの情報ニーズを満たすために、関連するアイテムを検索するために構築される。候補コーパスは通常、動画、商品、記事など、提供可能なアイテムの有限集合から構成される。GPTや拡散モデルのような生成AIの最近の進歩に伴い、パーソナライズされたプロンプトを持つ生成モデルによってアイテムが作成されるような、新しい形の推薦タスクがまだ模索されている。画像生成を例にとると、ユーザーからの1回のプロンプトと生成モデルへのアクセスがあれば、数分で数百の新しい画像を生成することが可能である。無限の」アイテムが存在する中で、どのようにしてパーソナライズを達成するのだろうか？この予備的研究では、この新しいタスクの定式化にアプローチするために、プロンプトモデル検索と生成アイテムランキングという2段階のフレームワークを提案する。我々はGEMRec-18Kを公開する。GEMRec-18Kは、200の一般に公開されている生成モデルによって生成された18Kの画像と、90の多様なテキストプロンプトの組からなるプロンプト-モデル相互作用データセットである。我々の発見は、新しいパーソナライゼーション問題としての生成モデル推薦の有望性と、既存の評価指標の限界を実証している。我々は、RecSysコミュニティが生成的推薦システムに向けて前進するための将来の方向性を強調する。我々のコードとデータセットはhttps://github.com/MAPS-research/GEMRec。

要約(オリジナル)

Recommender Systems are built to retrieve relevant items to satisfy users’ information needs. The candidate corpus usually consists of a finite set of items that are ready to be served, such as videos, products, or articles. With recent advances in Generative AI such as GPT and Diffusion models, a new form of recommendation task is yet to be explored where items are to be created by generative models with personalized prompts. Taking image generation as an example, with a single prompt from the user and access to a generative model, it is possible to generate hundreds of new images in a few minutes. How shall we attain personalization in the presence of ‘infinite’ items? In this preliminary study, we propose a two-stage framework, namely Prompt-Model Retrieval and Generated Item Ranking, to approach this new task formulation. We release GEMRec-18K, a prompt-model interaction dataset with 18K images generated by 200 publicly-available generative models paired with a diverse set of 90 textual prompts. Our findings demonstrate the promise of generative model recommendation as a novel personalization problem and the limitations of existing evaluation metrics. We highlight future directions for the RecSys community to advance towards generative recommender systems. Our code and dataset are available at https://github.com/MAPS-research/GEMRec.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL