本研究では、大規模言語モデルを活用した推薦システム「RecRanker」を提案している。主な特徴は以下の通り:
重要度に基づくユーザサンプリング: ユーザの過去の行動履歴に基づいて、高品質かつ多様なユーザを選択的にサンプリングする。
プロンプトの拡張: 従来の推薦システムの信号を自然言語で組み込むことで、大規模言語モデルの理解と推論を強化する。
複数の順位付けタスクの統合: ポイントワイズ、ペアワイズ、リストワイズの各順位付けタスクを組み合わせた「ハイブリッド順位付け」を提案し、より信頼性の高い推薦を実現する。
実験の結果、提案手法「RecRanker」は、従来の推薦モデルと比較して大幅な性能向上を示した。これは、大規模言語モデルの能力を最大限引き出し、従来の推薦システムの知見を効果的に組み合わせたことによるものと考えられる。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Sichun Luo,B... at arxiv.org 04-02-2024
https://arxiv.org/pdf/2312.16018.pdfDeeper Inquiries