【NeurIPS 2024】LLM-ESR:用大语言模型破解序列推荐的长尾难题

标题 期刊 年份 关键词
LLM-ESR: Large Language Models Enhancement for Long-tailed Sequential Recommendation NeurIPS 2024 Large Language Models, Sequential Recommendation, Long-tailed

📚研究背景

在电商和社交媒体的世界里,序列推荐系统(Sequential Recommendation Systems, SRS)就像一个贴心的购物助手,它通过分析用户的历史行为来预测他们接下来可能感兴趣的商品。🛍️ 但现实很骨感**,大多数用户只和少数商品打过交道,而大部分商品也鲜少被问津,这就形成了所谓的"长尾问题"**。这对于推荐系统来说,简直就是一场"灾难",因为它不仅影响用户体验,还让商家的长尾商品失去了曝光的机会。😱

🧩相关工作

其实,之前的研究者们也尝试过解决这个问题。有的通过分析热门和长尾商品的共现模式来丰富长尾商品的表示 ,有的则通过数据增强来为长尾用户增加伪交互 。不过,这些方法要么会引发"跷跷板效应",要么因为用户相似度不准确而引入噪声。😩

🎯LLM-ESR的创新

LLM-ESR它提出了一个全新的框架,用LLM的语义嵌入来增强传统的SRS,而且完全不用担心LLM带来的额外推理负担。🧠

  • 双视图建模框架 :它同时从语义视角和协同视角建模用户偏好 。**语义视角利用LLM的语义嵌入来捕捉长尾物品的特征,++而协同视角则保留了传统SRS对热门物品的推荐能力++。**👀

  • 检索增强自蒸馏:对于长尾用户,LLM-ESR通过检索与目标用户语义相似的用户,并利用他们的交互信息来增强目标用户的偏好表示,就像是给长尾用户"借"了一些有用的信息。🔍

🎯 LLM-ESR的核心方法

LLM-ESR的核心思想是利用大语言模型(LLM)的语义能力来增强传统的序列推荐系统,同时避免引入额外的推理负担。它通过以下两大模块实现:

💡 1. 双视图建模框架(Dual-view Modeling Framework)

这个框架的核心是同时从语义视角协同视角建模用户偏好:

  • 语义视角(Semantic View):通过LLM对物品的属性(如标题、品牌、描述等)进行编码,生成语义嵌入。这些嵌入能够捕捉物品的语义信息,从而更好地推荐长尾物品。📝

  • 协同视角(Collaborative View):利用传统的协同过滤方法,通过用户的历史交互数据学习物品的嵌入。这部分专注于热门物品的推荐能力。📈

双视图融合:通过跨注意力机制(Cross-Attention)将语义嵌入和协同嵌入进行融合,让模型同时学习到语义信息和用户行为模式。这样既能利用LLM的强大语义理解能力,又能保留传统SRS对热门物品的推荐优势。🔗

💡 2. 检索增强自蒸馏(Retrieval-Augmented Self-Distillation)

对于长尾用户,由于他们的交互记录较少,模型很难准确捕捉到他们的偏好。LLM-ESR通过以下步骤解决这个问题:

  • 检索相似用户利用LLM生成的用户语义嵌入,检索与目标用户语义相似的其他用户。🔍

  • 自蒸馏:将这些相似用户的交互信息作为"指导信号",通过自蒸馏(Self-Distillation)的方式增强目标用户的偏好表示。这相当于"借"来了相似用户的信息,帮助模型更好地理解长尾用户的偏好。🔋

🔬实验

作者在Yelp、Amazon Fashion和Amazon Beauty这三个真实世界的数据集上进行了测试,结果表明LLM-ESR在所有指标上都超越了现有的基线方法,尤其是对长尾用户和长尾物品的推荐效果提升显著。📈

相关推荐
天天找自己7 分钟前
图像梯度处理与边缘检测
人工智能·计算机视觉
POLOAPI23 分钟前
AI大模型成本为何能降低99%?技术突破背后的秘密是什么?
人工智能
静心问道26 分钟前
CacheGen:用于快速大语言模型推理服务的 KV 缓存压缩与流式传输
人工智能·模型加速·ai技术应用·缓存压缩与传输
小子阿四27 分钟前
WaveSpeedAI是世界上第一个接Wan 2.2 API的平台
人工智能·aigc
Nina_71741 分钟前
AI论文阅读方法+arixiv
论文阅读·人工智能
tilblackout1 小时前
机器学习详解(28):LightGBM原理
人工智能·机器学习
云卓SKYDROID1 小时前
无人机气动设计模块解析
人工智能·计算机视觉·目标跟踪·无人机·高科技
数据皮皮侠1 小时前
中国汽车能源消耗量(2010-2024年)
大数据·数据库·人工智能·物联网·金融·汽车·能源
love530love1 小时前
Windows 11 下 Anaconda 命令修复指南及常见问题解决
运维·ide·人工智能·windows·python·架构·conda
东风中的蒟蒻1 小时前
MOE 速览
人工智能·language model