2024'快手提出LLM-CF框架，借助LLM的链式思维（COT）推理提升推荐系统性能

文章预览

点击下方 卡片 ，关注“ 自动驾驶之星 ” 这里有一群奋斗在自动驾驶量产第一线的小伙伴等你加入Introduction 大语言模型（LLMs）在推荐系统（RSs）中有两种应用方式：直接作为推荐系统和增强现有推荐系统。尽管这些方法有效，但仍存在效率和协同信息利用不足的问题。为此，我们提出了 LLM-CF 框架，将 LLMs 的世界知识和推理能力融入协同过滤模型。该框架分为离线和在线两部分。 在离线部分，我们对 LLMs 进行指令调优，生成链式思维（CoT）推理，并构建数据集。在在线部分，我们检索相似内容，并使用 RecGen-LLaMA 生成的推理来增强推荐。实验结果表明，LLM-CF 在排名和检索任务中显著提高了推荐性能。 PRELIMINARIES 我们将推荐任务定义为一个多字段数据分类的二分类问题。数据集  包含特征  和二元标签 ，其中标签  表示点击（1）或不点击（0）的 ………………………………