מושגי ליבה
大規模言語モデル(LLM)を活用した生成型推薦の進歩、手法、および将来の方向性に焦点を当てた包括的な調査。
תקציר
大規模言語モデル(LLM)が自然言語処理分野だけでなく、推薦システム(RS)など他の分野にも影響を与える可能性がある。
LLMを使用した生成型推薦は、従来の多段階フィルタリングから単一段階フィルタリングへのパラダイム変革をもたらす。
ID作成方法や評価プロトコルなど、LLMに基づく生成型推薦の研究上の課題と機会が議論されている。
1. 導入
LLMは自然言語処理分野だけでなく、他の分野にも影響を及ぼしている。
生成型推薦は多段階フィルタリングから単一段階フィルタリングへのパラダイム変革をもたらす。
2. ID作成方法
Singular Value DecompositionやCollaborative Indexing、Residual-Quantized Variational AutoEncoderなど異なるID作成アプローチが紹介されている。
3. 推奨タスク
評価予測やTop-N推奨、シーケンシャル推奨、説明可能な推奨、レビュー生成、レビュー要約、対話的推奨など様々なジェネレーティブ・リコメンデーション・タスクが提案されている。
4. 課題と機会
LLMベースエージェントや幻想問題、バイアスと公平性、透明性と説明可能性、制御可能性、効率的インファレンス、マルチモーダル・リコメンデーション、コールドスタート・リコメンデーションなど多岐にわたる研究上の課題と機会が議論されている。
סטטיסטיקה
LLMは世界知識を学んでおり,再訓練せずとも,新しいユーザーやアイテムに関する限られた相互作用でも,メタデータを利用して勧告することができます。
バイアスや公平性問題は依然として解決すべきオープン問題です。
リコメンデーションシナリオでは,LMMは自然言語表現で好みや属性を表現できます。
ציטוטים
"大規模言語モデル(LLM)は自然言語処理分野だけでなく他の分野にも影響を与えています。"
"生成型推薦は多段階フィルタリングから単一段階フィルタリングへのパラダイム変革をもたらします。"