Bridge the Domains: Large Language Models Enhanced Cross-domain Sequential Recommendation

要約

クロスドメイン順次推奨（CDSR）は、さまざまなドメインにわたるユーザーの履歴相互作用からの好みを抽出することを目的としています。
CDSRのいくらかの進歩にもかかわらず、2つの問題がさらなる進歩、つまりジレンマと遷移の複雑さの重複の障壁を設定しました。
前者は、既存のCDSRメソッドが、すべてのドメインで相互作用を所有するユーザーに深刻に依存して、ドメインのアイテム間の関係を学習し、実用性を損なうことを意味します。
後者は、混合行動シーケンスから複雑な遷移パターンを学習することの難しさを指します。
強力な表現と推論能力により、大きな言語モデル（LLM）は、アイテムを橋渡しし、セマンティックビューからユーザーの好みをキャプチャすることにより、これら2つの問題に対処することを約束しています。
したがって、LLMS強化されたクロスドメインシーケンシャル推奨モデル（LLM4CDSR）を提案します。
セマンティックアイテムの関係を取得するために、最初にアイテムを表現するLLMベースの統一表現モジュールを提案します。
次に、CDSRタスクを適応するように設計されています。
また、階層的なLLMSプロファイリングモジュールは、ユーザーのクロスドメインの好みを要約するように設計されています。
最後に、これらの2つのモジュールは、提案されたTri-Threadフレームワークに統合され、推奨事項を導き出します。
LLM4CDSRの有効性を検証して、3つのパブリッククロスドメインデータセットで広範な実験を実施しました。
オンラインでコードをリリースしました。

要約(オリジナル)

Cross-domain Sequential Recommendation (CDSR) aims to extract the preference from the user’s historical interactions across various domains. Despite some progress in CDSR, two problems set the barrier for further advancements, i.e., overlap dilemma and transition complexity. The former means existing CDSR methods severely rely on users who own interactions on all domains to learn cross-domain item relationships, compromising the practicability. The latter refers to the difficulties in learning the complex transition patterns from the mixed behavior sequences. With powerful representation and reasoning abilities, Large Language Models (LLMs) are promising to address these two problems by bridging the items and capturing the user’s preferences from a semantic view. Therefore, we propose an LLMs Enhanced Cross-domain Sequential Recommendation model (LLM4CDSR). To obtain the semantic item relationships, we first propose an LLM-based unified representation module to represent items. Then, a trainable adapter with contrastive regularization is designed to adapt the CDSR task. Besides, a hierarchical LLMs profiling module is designed to summarize user cross-domain preferences. Finally, these two modules are integrated into the proposed tri-thread framework to derive recommendations. We have conducted extensive experiments on three public cross-domain datasets, validating the effectiveness of LLM4CDSR. We have released the code online.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google