AAAI2025 | 基于LLM的序列推荐嵌入生成器

主要观点总结

本文介绍了一篇关于序列推荐系统的论文，该论文提出了一种基于LLM的序列推荐推荐嵌入生成器LLMEmb。论文指出当前序列推荐系统中存在的长尾问题，并介绍了LLMEmb的设计原理和方法，包括监督对比微调、推荐适应训练、嵌入转换等步骤。实验证明，LLMEmb能够有效提高序列推荐性能，特别是在长尾物品上的表现。文中还对方法的有效性进行了可视化展示和总结。

关键观点总结

关键观点1: 论文背景及目的

当前序列推荐系统中存在的长尾问题，导致大量低流行度物品难以被有效推荐，影响用户惊喜度、卖家利润和系统整体性能。论文旨在通过基于LLM的嵌入生成器LLMEmb解决这一问题。

关键观点2: LLMEmb的设计原理和方法

LLMEmb由一个LLM和一个适配器组成，通过监督对比微调（SCFT）和推荐适应训练（RAT）两个阶段的训练，使LLM具备识别物品的能力，并生成适合推荐任务的嵌入。还包括嵌入转换、适配微调和协同对齐等步骤。

关键观点3: 实验验证

论文在三个真实世界数据集上进行了实验，验证了LLMEmb的有效性。消融实验证明了LLMEmb各个设计模块的有效性。此外，嵌入可视化结果也证明了LLMEmb优于其他方法。

关键观点4: 总结

论文总结了LLMEmb是一种新颖的基于LLM的生成器，用于为序列推荐生成物品嵌入。通过设计监督对比微调方法和推荐适应训练，LLMEmb能够有效提高序列推荐性能，特别是在长尾物品上的表现。