Keskeiset käsitteet
大規模言語モデルの世界知識と従来の推薦システムの行動パターン理解を組み合わせ、効果的な次アイテム推薦を実現する。
Tiivistelmä
本研究は、大規模言語モデル(LLM)と従来の推薦システムを統合したフレームワーク「LLaRA」を提案している。
具体的には以下の2つの特徴がある:
- ハイブリッド・プロンプト設計:
- アイテムの表現方法として、テキストのメタデータと従来の推薦システムから得られる行動的特徴を組み合わせる。
- これにより、LLMがアイテムの世界知識と行動パターンの両方を理解できるようになる。
- カリキュラム・プロンプト学習:
- 最初はテキストのみのプロンプトで学習し、LLMに推薦メカニズムの基本を理解させる。
- その後、徐々にハイブリッドプロンプトに移行し、従来の推薦システムが学習した行動知識をLLMに内在化させる。
これらの工夫により、LLaRAは従来の推薦システムと大規模言語モデルの長所を活かし、より正確な次アイテム推薦を実現している。
Tilastot
従来の推薦システムでは、アイテムをID番号で表現するだけでは、アイテムの世界知識を活用できない。
一方、テキストのメタデータのみでは、ユーザの行動パターンを十分に捉えられない。
LLaRAでは、アイテムの表現にテキストトークンと行動トークンを組み合わせることで、両者の長所を活かすことができる。
Lainaukset
"LLaRAは、従来の推薦システムが学習した行動パターンと、LLMが持つ世界知識を効果的に統合することができる。"
"カリキュラム学習を採用することで、LLMがテキストのみのプロンプトから徐々にハイブリッドプロンプトに適応できるようになる。"