华为:推荐系统如何从大语言模型中取长补短:从应用视角出发(2023)(30页).pdf

上传人: 海*** 编号:151253 2024-01-12 30页 3.36MB

下载:
word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。

报告推荐

本文主要探讨了如何将大语言模型(LLM)应用于推荐系统,以提升推荐性能和用户体验。文章首先分析了传统推荐系统的局限性,如缺乏外部知识、语义信息和深度意图推理,以及大语言模型的优势,如引入外部开放世界知识、语义信号丰富等。然后,文章从应用视角出发,提出了两个核心问题:何处运用大语言模型(WHERE)和如何运用大语言模型(HOW)。在何处运用方面,文章提出了大语言模型可以应用于特征工程、特征编码、打分排序和流程控制。在如何运用方面,文章提出了两种趋势:一是通过引入传统推荐模型(CRM)为语言模型注入协同信号;二是通过引入推荐场景的数据,结合微调技术,为语言模型注入协同信号。文章还介绍了两种具体的技术方案:一种是通过知识推理和生成、文本知识适配和知识利用,有效结合大语言模型的通用世界知识与传统推荐系统的领域知识;另一种是通过Prompt construction、Cross-model Knowledge Alignment和Supervised Finetuning,以混合粒度知识对齐的方式,同时建模协同信号和语义信号。最后,文章讨论了工业应用场景下的挑战,如训练效率、推理时延、推荐领域的长文本建模和ID特征的索引和建模,并展望了未来的发展趋势。
如何利用大语言模型提升推荐性能? 大语言模型在推荐系统中的应用有哪些挑战? 如何将大语言模型与传统推荐模型有效结合?
客服
商务合作
小程序
服务号