Review-driven Personalized Preference Reasoning with Large Language Models for Recommendation

要約

大規模言語モデル (LLM) の最近の進歩により、幅広いタスクにわたって優れたパフォーマンスが実証され、レコメンデーション システムへの応用に大きな関心が集まっています。
しかし、既存の手法は LLM の可能性を十分に活用しておらず、多くの場合、限られた入力情報によって制限されたり、高度な推論機能を十分に活用できなかったりします。
これらの制限に対処するために、ユーザーとアイテムのレビューに含まれる豊富な好みの情報を活用するように設計された新しい LLM ベースのレコメンダーである EXP3RT を導入します。
EXP3RT は基本的に、教師 LLM からの蒸留によって微調整され、3 つの重要なタスクを順番に実行します。EXP3RT は、最初に生のレビューから重要な主観的な好みを抽出してカプセル化し、特定の基準に従ってそれらを集約して要約して、ユーザーとアイテムのプロファイルを作成します。
次に、ユーザー/アイテムのプロファイルとアイテムの説明からの主観的情報と客観的情報の両方を考慮して、詳細な段階的な推論とそれに続く予測評価、つまり推論強化された評価予測を生成します。
EXP3RT によるこのパーソナライズされた好みの推論により、評価予測の精度が向上し、推奨事項について忠実かつ合理的な説明も提供されます。
広範な実験により、EXP3RT は、評価予測と上位 k 推奨の候補アイテムの再ランキングの両方において既存の手法を上回り、推奨システムの説明可能性を大幅に向上させることが示されています。

要約(オリジナル)

Recent advancements in Large Language Models (LLMs) have demonstrated exceptional performance across a wide range of tasks, generating significant interest in their application to recommendation systems. However, existing methods have not fully capitalized on the potential of LLMs, often constrained by limited input information or failing to fully utilize their advanced reasoning capabilities. To address these limitations, we introduce EXP3RT, a novel LLM-based recommender designed to leverage rich preference information contained in user and item reviews. EXP3RT is basically fine-tuned through distillation from a teacher LLM to perform three key tasks in order: EXP3RT first extracts and encapsulates essential subjective preferences from raw reviews, aggregates and summarizes them according to specific criteria to create user and item profiles. It then generates detailed step-by-step reasoning followed by predicted rating, i.e., reasoning-enhanced rating prediction, by considering both subjective and objective information from user/item profiles and item descriptions. This personalized preference reasoning from EXP3RT enhances rating prediction accuracy and also provides faithful and reasonable explanations for recommendation. Extensive experiments show that EXP3RT outperforms existing methods on both rating prediction and candidate item reranking for top-k recommendation, while significantly enhancing the explainability of recommendation systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google