A Survey on Large Language Models for Recommendation

本文是LLM系列的文章，针对《A Survey on Large Language Models for Recommendation》的翻译。

摘要

大型语言模型（LLM）作为自然语言处理（NLP）领域的强大工具，近年来在推荐系统（RS）领域受到了极大的关注。这些模型使用自监督学习在大量数据上进行训练，在学习通用表示方面取得了显著成功，并有可能通过一些有效的转移技术（如微调和提示调整）来增强推荐系统的各个方面。利用语言模型的力量来提高推荐质量的关键方面是利用它们对文本特征的高质量表示以及它们对外部知识的广泛覆盖来建立项目和用户之间的相关性。为了全面了解现有的基于LLM的推荐系统，本综述提出了一种分类法，将这些模型分为两个主要范式，分别是用于推荐的判别LLM（DLLM4Rec）和用于推荐的生成LLM（GLLM4Reg），后者首次被系统地分类。此外，我们系统地回顾和分析了每种范式中现有的基于LLM的推荐系统，深入了解了它们的方法、技术和性能。此外，我们还确定了关键挑战和一些有价值的发现，为研究人员和从业者提供了灵感。我们还创建了一个GitHub存储库，为LLM上的相关论文编制索引，以供推荐。

1 引言

2 建