PALRec：基于大语言模型的序列推荐与参数保留增强

《ACM Transactions on Information Systems》：PALRec: Large Language Model-Based Sequential Recommendation With Parameter-Preserving Augmentation

　　

摘要AI 摘要

要查看此 AI 生成的摘要，您需要高级访问权限。

了解更多登录

摘要

摘要

大语言模型（LLM）在广泛的领域中展现了卓越的多功能能力，这些优势在推荐系统中也得到了越来越多的验证。然而，现有尝试将协同信号整合到大语言模型中的方法往往无法保留其基础知识。这种知识流失在文本丰富的推荐场景中尤为关键，因为理解和解释用户评论及商品描述需要强大的语义理解能力。我们提出了 PALRec，一个 参数保留增强 框架，该框架在不修改原始参数的情况下赋予大语言模型推荐能力。我们首先从评论中构建基于证据的用户和商品画像，并将其用作重构的简洁伪标签。随后，我们引入轻量级的可训练用户和商品嵌入模块，并通过结合下一项预测和画像重构的多任务目标进行优化。这些模块联合训练，以在保持骨干网络不变的前提下将协同信号与大语言模型的语义空间对齐。我们还采用了令牌感知的损失分解和频率感知的重加权来稳定训练并缓解流行度偏差。在公共基准上的实验表明，PALRec 在保持大语言模型预训练知识的同时，推荐准确率始终优于完全微调的方案。这一结果凸显了保持大语言模型的语义理解对于有效利用推荐系统中的文本信息至关重要。

AI 摘要

AI 生成的摘要（实验性）

本摘要由自动化工具生成，未由文章作者撰写或审核。它旨在支持检索、帮助读者评估相关性，并协助相邻研究领域的读者理解该工作。它是对作者提供的摘要的补充，作者提供的摘要仍是论文的主要摘要。全文仍为权威版本。

点击此处对此摘要的准确性、清晰度和实用性进行评论。这样做有助于改进和生成未来版本。

要查看此 AI 生成的通俗语言摘要，您需要高级访问权限。