面向大语言模型（LLMs）时代的冷启动推荐：一项全面的综述与路线图

文章预览

冷启动问题是推荐系统中一个长期存在的挑战，主要集中在准确建模新用户或互动有限的用户，或新物品，以提供更好的推荐。随着互联网平台的多样化以及用户和物品的指数增长，冷启动推荐（CSR）的重要性日益显现。与此同时，大语言模型（LLMs）已取得了巨大的成功，并具备强大的用户和物品信息建模能力，为冷启动推荐提供了新的潜力。然而，冷启动推荐领域的研究社区在这一方向上仍然缺乏全面的综述与反思。因此，本文基于大语言模型时代的背景，提供了一项关于冷启动推荐的全面综述，讨论了其路线图、相关文献及未来方向。具体而言，我们探讨了现有的冷启动推荐如何利用信息发展路径，包括从内容特征、图谱关系和领域信息，到大语言模型所拥有的世界知识，旨在为冷启动推荐的学术界和工业界提供新的见解。相关的冷启动推荐 ………………………………