A Survey on Large Language Models for Personalized and Explainable Recommendations

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