CIKM2024 | 基于大语言模型的多场景推荐增强范式

文章预览

今天跟大家分享一篇CIKM 2024来自香港城市大学和华为诺亚提出的一种多场景推荐的增强方法，以提升传统多场景推荐模型的表现。具体地，本文提出了基于大语言模型（Large Language Model， LLM ）的多场景建模提升范式，并在基于快手和亚马逊的三个公开数据集进行了实验，验证了我们的方法具有以下优点：兼容各种多场景骨干模型，不需要对LLM进行微调所以具有高效性，能够在工业推荐系统上实现实时推荐，同时提升了传统推荐系统的可解释性。 论文：https://dl.acm.org/doi/abs/10.1145/3627673.3679743 代码： https://github.com/Applied-Machine-Learning-Lab/LLM4MSR 背景 我们面向多场景推荐问题（简称MSR），它利用来自多个场景（比如电商平台不同类别的产品）的数据来同时提升他们的推荐效果，并解决数据稀疏问题。典型的建模方式和多任务建模类似，模型结构如下图所 ………………………………