论文阅读笔记：跨领域推荐系统新突破

论文信息

• 标题：Instructing and Prompting Large Language Models for Explainable Cross-domain Recommendations
• 期刊：18th ACM Conference on Recommender Systems (RecSys ’24)
• 年份：2024
• 关键词：#CrossDomainRecommendations #RecommenderSystems #LargeLanguageModels #InstructionTuning

🌟 研究背景

在信息爆炸的时代，推荐系统成为了我们日常生活中不可或缺的一部分，帮助我们筛选出感兴趣的内容。特别是跨领域推荐系统（CDR），它们能够在不同的领域之间进行知识迁移，为用户提供更加个性化的推荐。

💡 创新点

这篇论文的最大亮点在于利用大型语言模型（LLMs）来提供可解释的跨领域推荐。作者提出了一种全新的策略，通过指导LLM处理CDR任务、设计个性化提示，以及在零样本和单样本设置中提取推荐和自然语言解释，从而解决了数据稀疏性问题。

🔍 方法介绍

研究者们设计了一个包含四个阶段的流程：

1. 数据预处理：准备适合LLM处理的数据。
2. 指令调整：通过部分数据训练模型，使其能够处理CDR任务。
3. 提示LLMs进行CDR：构建基于用户偏好的个性化提示&#