文献阅读分享：跨域顺序推荐中的用户检索与大语言模型集成

于 2025-01-07 18:49:33 发布
阅读量807 收藏 11
点赞数 5
CC 4.0 BY-SA版权
文章标签： 语言模型 人工智能 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HE2096798708/article/details/144991238
Exploring User Retrieval Integration towards Large Language Models for Cross-Domain Sequential Recommendation MM '22 2022

🌟 背景

跨域顺序推荐（Cross-Domain Sequential Recommendation, CDSR）旨在通过挖掘和转移用户在不同领域的顺序偏好来缓解冷启动问题。传统的CDSR模型主要通过用户和物品建模来捕捉协同信息，却忽略了物品特征中蕴含的丰富语义信息。近年来，大语言模型（Large Language Model, LLM）在语义推理方面展现出强大能力，这促使我们将其引入CDSR中以更好地捕捉语义信息.

🛠️ 相关工作
  • 顺序推荐：从最初的马尔可夫链和矩阵分解，到基于神经网络的方法如GRU4Rec、Caser，再到注意力机制和图神经网络（GNNs）的应用，顺序推荐技术不断发展.
  • 跨域顺序推荐：早期工作
最低0.47元/天 解锁文章

200万优质内容无限畅学
Sheakan
关注
图与大型语言模型相遇：进展与未来方向
步子哥的博客
07-04 116
大多数现有的 GNN 都遵循消息传递范式，该范式包含消息聚合和特征更新，例如 GCN [Kipf and Welling, 2016] 和 GAT [Velickovic et al., 2018]。它们通过迭代地聚合邻居的信息并使用非线性函数更新它们来生成节点表示。
问答推荐系统的设计与实现
AI天才研究院
02-07 1023
在当今信息爆炸的时代，用户面临着海量的数据和知识，如何快速准确地获取所需信息成为一个巨大的挑战。问答推荐系统作为一种智能化的信息服务工具，旨在解决这一问题。它结合了问答系统的精准性和推荐系统的个性化特点，为用户提供高质量、定制化的信息服务。问答推荐系统的出现不仅改变了传统的信息获取方式，还推动了人工智能、自然语言处理和机器学习等技术的发展。从早期的基于规则的问答系统，到如今的基于深度学习的智能问答推荐系统，这一领域经历了巨大的变革。
论文解读：跨域推荐模型MiNet
ybjlucky的博客
09-04 1679
跨域推荐MiNet
跨域推荐(Cross-Domain Recommendation)的最新综述
m0_57656758的博客
12-05 5576
论文解读系列第十六篇：IJCAI 2021--跨域推荐（Cross-Domain Recommendation）的最新综述 - 知乎目录1.背景介绍(1)内容层级相关性(content-level relevance)(2)用户层级相关性(user-level relevance)(3)产品层级相关性(item-level relevance)2.综述的动机3. 不同的跨域推荐场景以及挑战场景1. 单目标跨域推荐(single-target CDR)场景2. 多领域推荐(Multi-Domain Recom
（译）序列推荐系统：挑战，进程与发展
weixin_30548917的博客
09-07 1016
摘要 在近几年，序列推荐系统（SRSs）的新兴主题已经吸引了越来越多的注意。传统的推荐系统使用协同过滤和基于内容的过滤，与之不同的是，序列推荐系统试图去理解和构建一个序列模型，这个序列中包括了使用者行为习惯，用户与商品的交互，用户偏好的发展，商品流行的时间。序列推荐系统包含了以上几个方面，以便更加精确地描述用户的信息、意图和目标以及商品的消费趋势等特征，从而进行更加准确、...
【序列推荐】MAN：跨领域顺序推荐的混合注意网络
CRW__DREAM的博客
11-28 1917
本文提出了一种具有**局部**和**全局**注意模块的混合注意网络(MAN)来提取特定领域和跨领域的信息。首先，提出了一个**局部/全局编码层**来捕获特定领域/跨领域的序列模式。在此基础上，提出了一个包含**项目相似度、序列融合和群体原型**的混合注意层，用于捕获局部/全局项目相似度，融合局部/全局项目序列，并分别提取不同领域的用户群体。最后，提出了一个局部/全局预测层，以进一步发展和结合特定领域和跨领域的兴趣。进一步的研究还表明，提出的方法和组件分别是模型无关的和有效的。
AI推介-大语言模型LLMs论文速览（arXiv方向）：2024.06.01-2024.06.05
最新发布
小小帅
06-20 1257
多模态大语言模型（MLLM）由训练有素的 LLM 启动，首先将图像与文本对齐，然后对多模态混合输入进行微调。然而，MLLM 会灾难性地遗忘纯文本指令，而这些指令不包括图像，可以在初始 LLM 中解决。在本文中，我们介绍了 Wings，一种在纯文本对话和多模态理解中都表现出色的新型 MLLM。通过分析多模态指令中的 MLLM 注意力，我们发现纯文本遗忘与从图像前文本到图像后文本的注意力转移有关。由此，我们构建了额外的模块，作为增强学习器来补偿注意力的转移。
大模型融合推荐系统论文总结
hehehehejiejie的博客
05-24 2511
大模型融合推荐系统论文解读
论文阅读：Pre-trained Models for Natural Language Processing: A Survey 综述：自然语言处理的预训练模型
热门推荐
南有芙蕖
05-06 1万+
Pre-trained Models for Natural Language Processing: A Survey 综述：自然语言处理的预训练模型 目录Pre-trained Models for Natural Language Processing: A Survey综述：自然语言处理的预训练模型摘要关键词1引言2 背景2.1语言表示学习2.2神经上下文编码器2.3为什么要进行预训练？2...
多模态推荐系统综述
奇点Peter
02-27 5387
多模态推荐综述
什么是跨域特征自适应和检索
C_19870的博客
09-15 225
未来，随着数据的继续增长和领域之间的交叉应用增多，跨域特征自适应和检索技术将发挥更大的作用，促进不同领域的协同发展。数据融合：该方法将不同域的数据进行融合，生成一个统一的特征空间。跨模态学习：该方法处理的是具有不同类型的数据的跨域任务，如图像和文本之间的跨域检索。跨社交网络分析：社交网络中存在着多个域的数据，通过跨域特征自适应和检索技术，可以实现对不同社交网络之间的关系进行挖掘和分析。跨领域信息检索：跨域特征自适应和检索技术可以应用于不同领域之间的信息检索，如医疗领域的疾病诊断、金融领域的风险评估等。
跨域推荐（一）Cross-Domain Recommendation, An Embedding and Mapping Approach （IJCAI-17）
qq_34252068的博客
05-08 2427
目录 跨域分类 面临挑战 模型 实验对比 总结 跨域分类 正如文章一开始说，跨域推荐是解决推荐领域数据稀疏性（sparsity）的一种方法。紧接着，文章介绍了两种跨域的方式以及缺点：     1）非对称方式，利用源领域知识降低目标领域知识的稀疏性。这时源领域的知识在目标领域充当先验或正则化项的作用（不是我说的，我负责翻译哈，错了别打我）。作者说方法的核心是确定哪些知识可以被迁移...
联邦学习：联邦场景下的跨域推荐
SmartLab307的博客
11-07 1272
跨域推荐在实际应用中常常面临隐私性的挑战，其一是不同用户的数据难以合法地进行集中化收集；其二是其使用的迁移学习模型跨不同的域和数据集进行映射，这常常会关联到不同的组织机构，同样会面临隐私问题。此时上面提到的需要将数据集中起来的跨域推荐方法就不再行得通了，需要考虑在联邦场景下的跨域推荐模型。
实战二十一：基于KERL模型实现用户购买商品推荐 代码+数据（可作为毕设项目）
11-20 828
实战二十一：基于KERL模型实现用户购买商品推荐 代码+数据（可作为毕设项目）商品推荐KERL模型KERL模型KERL模型KERL模型KERL模型KERL模型KERL模型KERL模型
跨域推荐： 迁移学习和推荐系统的火花碰撞
Kaiyuan_sjtu的博客
04-13 4058
作者|Chilia整理|NewBeeNLP什么是跨域推荐呢？一句话概括就是：跨域推荐（Cross-Domain Recommendation）是 迁移学习 在推荐系统中的一种应用。跨域推荐的目的一般是下面几个： 解决冷启动/数据稀疏问题 ：例如，一个公司的两个APP业务，用户群体(user)交叉很大，但是item不同，当A业务的用户首次来访B业务时（冷启...
走进跨域推荐系统
SmartLab307的博客
03-17 1487
作者简介：张高玮，研究方向为推荐系统。引言：近年来跨域推荐方法逐渐受到人们的关注，为解决推荐系统中数据稀疏以及冷启动这两个问题提供了新的思路。本文聚焦于跨域推荐，依据解决方法的不同将跨域推荐模型分为基于共享实体表示的模型、基于域间映射的模型、基于异构图嵌入的模型、基于多领域协同训练的模型四大类进行整理介绍，欢迎大家批评和交流。目录1. 总体介绍1.1 什么是跨域推荐1.2 为什么需要跨域推荐2. 模型分类2.1 基于共享实体表示的模型2.2 基于域间映射的模型2.3 基于异构图嵌入的模型2.4 基于多领域协
多模态检索之跨域图像转换
weixin_44390691的博客
12-31 1119
《Multimodal Unsupervised Image-to-Image Translation》 这篇文章解决了跨域图像转换的问题。主要思想是将图像的特征表示分解成2个部分：content code和style code。其中，content code不随领域的改变而改变，而style code则表示特定于领域的属性。 以这张图为例： 左边的豹子和右边的猫属于不同的类别，但是通过提取豹子的某些域不变特性（如轮廓、五官大小等等），并将它的content code和猫的某些特有的style code结
利用跨域写搜索（智能提示）
fengGer的博客
01-25 338
以淘宝为例 <!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title></title> <style type="text/css"> *{ padding: 0; margi
通用跨域检索：SnMpNet模型的语义邻域与混合预测
SnMpNet模型在两个大规模数据集SketchyExtended和DomainNet上进行了实验，结果表明该模型在通用跨域检索任务中表现优越，与现有的最先进的方法进行了深入的比较。这些实验证明了SnMpNet在处理未见过的类别和领域时的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值