【SIGIR2024】GPT4Rec: 用于流式推荐的图提示微调

主要观点总结

本文提出了GPT4Rec这一新方法用于解决个性化推荐系统中面临的挑战，特别是适应不断变化的用户偏好和新用户、新物品的持续涌入问题。传统方法依赖静态训练-测试方法，难以适应动态需求。GPT4Rec是一种用于流式推荐的图提示微调方法，采用解缠图模式至多个视图的方法，通过轻量级图提示引导模型适应不同的交互模式。在真实世界数据集上的实验结果表明，GPT4Rec在效果和效率上均表现优异。

关键观点总结

关键观点1: 个性化推荐系统的挑战

传统模型难以适应动态变化的用户偏好和新用户、新物品的持续涌入。

关键观点2: GPT4Rec方法的特点

将图模式解缠至多个视图，利用轻量级图提示有效引导模型适应不同的交互模式。包括节点级提示、结构级提示和视图级提示的设计。

关键观点3: GPT4Rec的实验结果

在四个真实世界数据集上的实验结果表明，GPT4Rec在效果和效率上均表现出色。