要約
意味情報と行動データを組み合わせるのは、レコメンダー システムにおける重要な研究分野です。
有望なアプローチには、外部知識を活用して、行動ベースのレコメンダー システムを豊富なセマンティック情報で強化することが含まれます。
ただし、このアプローチは、生の外部知識のノイズ除去とセマンティック表現の適応という 2 つの主要な課題に直面しています。
これらの課題に対処するために、LLM 支援 (TRAWL) を使用した外部知識強化型推奨手法を提案します。
この方法では、大規模言語モデル (LLM) を利用して、生の外部データから関連する推奨知識を抽出し、アダプターのトレーニングに対照的な学習戦略を採用します。
公開データセットと現実世界のオンライン推奨システムに関する実験により、私たちのアプローチの有効性が検証されています。
要約(オリジナル)
Combining semantic information with behavioral data is a crucial research area in recommender systems. A promising approach involves leveraging external knowledge to enrich behavioral-based recommender systems with abundant semantic information. However, this approach faces two primary challenges: denoising raw external knowledge and adapting semantic representations. To address these challenges, we propose an External Knowledge-Enhanced Recommendation method with LLM Assistance (TRAWL). This method utilizes large language models (LLMs) to extract relevant recommendation knowledge from raw external data and employs a contrastive learning strategy for adapter training. Experiments on public datasets and real-world online recommender systems validate the effectiveness of our approach.
arxiv情報
著者 | Weiqing Luo,Chonggang Song,Lingling Yi,Gong Cheng |
発行日 | 2024-05-24 09:09:35+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google