RecLLM-Gen:将LLM应用于推荐系统

文章预览

论文标题: Aligning Large Language Models for Controllable Recommendations 链接: http://arxiv.org/pdf/2403.05063 机构：深圳大学,MSRA 代码: https://github.com/microsoft/RecAI/tree/main/RecLM-gen TL,DR 现有研究集中在将特定领域的知识整合到LLM中，以使用固定的任务模板提高准确性，往往忽视了推荐任务的多样性和LLM特定推荐指令的能力。本文为了弥补这一差距，首先引入了一系列监督学习任务，并添加了来自传统推荐模型的标签，旨在提高LLM遵守推荐特定指令的能力。其次，本文提出了一种基于强化学习的对齐过程，以提高LLM的泛化能力。最终在两个数据集中(Steam和Amazon Movie)，证明了本文提出方法的有效性。 1.背景 通常的LLM4Rec框架将推荐任务转为NLP任务进行微调，这种方式尽管提高了离线评估的准确性，但经常产生错误的输出(例如输出重复item或者用户已经消费过的item)。 本文 ………………………………