CIKM 2024 | 大语言模型推荐中的协同过滤信号和语义信息的深度融合

主要观点总结

本文关注大语言模型推荐（LLM4Rec）的一个重要挑战，即将协同过滤信号嵌入大语言模型。通过混合编解码和基于注意力的多模态融合策略，提高大模型的个性化推荐能力。

关键观点总结

关键观点1: 将语义特征和协同过滤信号混合编解码

本文提出一种混合编解码方式，将语义特征和协同过滤信号结合，输入到大语言模型中进行处理。

关键观点2: 基于注意力的多模态融合策略

为了解决协同过滤信号和大语言模型的异质模态问题，本文提出了一种基于注意力的多模态融合策略，将两种信息对应的特征向量进行融合。

关键观点3: 实验结果表明CCF-LLM框架的有效性

在MovieLens 1M和Amazon Review数据集中的实验结果表明，CCF-LLM框架相比传统协同过滤模型和其他LLM4Rec方法有所提升。

免责声明