没有合适的资源?快使用搜索试试~ 我知道了~
LLM在多模态基于内容的推荐系统中的应用
需积分: 0 0 下载量 115 浏览量
2023-11-21
16:53:06
上传
评论
收藏 2.15MB DOCX 举报
温馨提示
试读
5页
LLM在多模态基于内容的推荐系统中的应用
资源推荐
资源详情
资源评论
WSDM2024: LLM 在多模态基于内容的推荐系统中的应用
多模态推荐系统与基于大语言模型(LLMs)的数据增强
Large Language Models with Graph Augmentation for Recommendation
文章: Large Language Models with Graph Augmentation for Recommendation
代码: https://github.com/HKUDS/LLMRec
一.问题与解决方案
引入 side information 能够帮助缓解推荐系统的数据稀疏性问题,目前主流的推荐系统(比如:
亚马逊,网飞)都引入模态 side information 来提升推荐的结果。但是,side information 的使
用不可避免地会引入一些问题,比如:噪声,低质量。受启发于 LLM 的知识储备和自然语
言理解能力,用 LLM 增强 side information 为上述问题提供了解决方案。具体地,我们使用 LLM
增强:i) u-i 交互和 ii)文本模态的信息(包括 user 画像和 item 属性)。此外,为了保证增强
的数据的可靠性,我们分别针对上述 i)和 ii)设计了 u-i 交互剪枝和 item feature 的 MAE。
二.多模态推荐数据集(适用模型代码框架 LLMRec, LATTICE, MMSSL, MICRO)
该工作制作并公开了 Netflix 和 MovieLens 两个多模态数据集。
1. Netflix 数据集
Netflix 是使用 Kaggle 网站上发布的原始 Netflix Prize 数据集制作的多模态数据集。数据格式
与多模态推荐的最新方法(如 MMSSL、LATTICE、MICRO 等)完全兼容。对于文本模态,基
础的信息包括‘title’,‘year’;视觉模态的图片则是根据电影的信息从网络爬取的海报。
(1) 文本模态
以下三幅图片代表了(1)Kaggle 网站上描述的有关 Netflix 的信息,(2)来自原始 Netflix Prize
数据的文本信息,以及(3)由 LLM 增强的文本信息。
(2) 视觉模态
资源评论
无意识积累中
- 粉丝: 117
- 资源: 28
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功