本文是LLM系列文章,针对《A Survey on Large Language Models for Personalized and Explainable Recommendations》的翻译。
摘要
近年来,随着大型语言模型(LLM)在自然语言处理(NLP)领域的出现,推荐系统(RS)发生了变革。这些模型,如OpenAI的GPT-3.5/4、Meta的Llama,在理解和生成类人文本方面表现出了前所未有的能力。这导致了个性化和可解释推荐领域的范式转变,因为LLM提供了一个多功能的工具集,用于处理大量文本数据,以增强用户体验。为了全面了解现有的基于LLM的推荐系统,本调查旨在分析RS如何从基于LLM方法中受益。此外,我们描述了个性化解释生成(PEG)任务中的主要挑战,即RS中的冷启动问题、不公平和偏见问题。
1 引言
2 自然语言生成
3 为推荐生成解释
4 挑战
5 结论
总之,大型语言模型(LLM)的集成彻底改变了推荐系统(RS)。这种范式转