Enhancing LLM-Based Recommendations Through Personalized Reasoning

要約

大規模な言語モデル（LLM）を搭載した現在の推奨システムは、明示的な論理構造が不足しているため、多くの場合、推論機能を十分に活用していません。
この制限に対処するために、2つの重要なプロセスの2つの重要なプロセスを組み込むことにより、LLM主導の推奨事項にチェーン（COT）推論を統合するフレームワークであるCOT-RECを紹介します。
COT-RECは、2つの重要なフェーズで動作します。（1）パーソナライズされたデータ抽出、ユーザーの好みとアイテムの認識が特定されている場合、および（2）この情報を活用して推奨事項を改善するためにレバレッジされています。
実験分析は、COT-RECがLLMSの推論の可能性をより適切に使用することにより、推奨の精度を向上させることを示しています。
実装は、https://anonymous.4open.science/r/cot-recで公開されています。

要約(オリジナル)

Current recommendation systems powered by large language models (LLMs) often underutilize their reasoning capabilities due to a lack of explicit logical structuring. To address this limitation, we introduce CoT-Rec, a framework that integrates Chain-of-Thought (CoT) reasoning into LLM-driven recommendations by incorporating two crucial processes: user preference analysis and item perception evaluation. CoT-Rec operates in two key phases: (1) personalized data extraction, where user preferences and item perceptions are identified, and (2) personalized data application, where this information is leveraged to refine recommendations. Our experimental analysis demonstrates that CoT-Rec improves recommendation accuracy by making better use of LLMs’ reasoning potential. The implementation is publicly available at https://anonymous.4open.science/r/CoT-Rec.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google