RLMRec：利用大型语言模型进行推荐系统的表示学习

RLMRec：利用大型语言模型进行推荐系统的表示学习

RLMRec "RLMRec: Representation Learning with Large Language Models for Recommendation" 项目地址: https://gitcode.com/gh_mirrors/rl/RLMRec

项目介绍

RLMRec 是一个由 @Re-bin 实现的 PyTorch 项目，基于 WWW2024 上发表的论文 Representation Learning with Large Language Models for Recommendation。该项目提出了一种模型无关的框架，通过大型语言模型（LLM）增强现有推荐系统的表示学习能力。RLMRec 通过整合表示学习和 LLM，捕捉用户行为和偏好的复杂语义方面，从而提升推荐系统的性能。

项目技术分析

RLMRec 的核心技术包括：

1. 辅助文本信号的整合：通过整合辅助文本信号，RLMRec 能够更好地理解用户和物品的语义信息。
2. 用户/物品画像生成：利用 LLM 生成高质量的用户和物品画像，这些画像能够准确描述用户偏好和物品特性。
3. 跨视图对齐框架：通过跨视图对齐框架，RLMRec 将 LLM 的语义空间与协同关系信号的表示空间对齐，从而提升推荐系统的准确性。

项目及技术应用场景

RLMRec 适用于以下场景：

• 电子商务推荐：在电子商务平台上，RLMRec 可以帮助生成更精准的用户画像和物品描述，从而提升推荐系统的准确性。
• 社交媒体推荐：在社交媒体平台上，RLMRec 可以通过分析用户行为和偏好，生成个性化的内容推荐。
• 内容推荐系统：在新闻、视频等内容推荐系统中，RLMRec 可以帮助生成更符合用户兴趣的内容推荐。

项目特点

• 模型无关性：RLMRec 是一个模型无关的框架，可以与多种现有的推荐系统模型结合使用。
• 高质量画像生成：利用 LLM 生成的高质量用户和物品画像，能够更准确地描述用户偏好和物品特性。
• 跨视图对齐：通过跨视图对齐框架，RLMRec 能够将 LLM 的语义空间与协同关系信号的表示空间对齐，从而提升推荐系统的准确性。
• 易于使用：RLMRec 提供了详细的安装和使用指南，用户可以轻松上手并进行实验。

如何开始

环境配置

首先，通过以下命令快速下载代码：

git clone --depth 1 https://github.com/HKUDS/RLMRec.git

然后，创建并激活 conda 环境：

conda create -y -n rlmrec python=3.9
conda activate rlmrec
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
pip install torch-scatter -f https://data.pyg.org/whl/torch-1.13.1+cu117.html
pip install torch-sparse -f https://data.pyg.org/whl/torch-1.13.1+cu117.html
pip install pyyaml tqdm

数据集

RLMRec 使用了三个公开数据集进行评估：Amazon-book、Yelp 和 Steam。每个用户和物品都有生成的文本描述。你可以通过以下命令下载数据：

cd data/
wget https://archive.org/download/rlmrec_data/data.zip
unzip data.zip

运行示例

以下是评估骨干模型和 RLMRec 的命令示例：

• 骨干模型：

  python encoder/train_encoder.py --model {model_name} --dataset {dataset} --cuda 0
  

• RLMRec-Con (对比对齐)：

  python encoder/train_encoder.py --model {model_name}_plus --dataset {dataset} --cuda 0
  

• RLMRec-Gen (生成对齐)：

  python encoder/train_encoder.py --model {model_name}_gene --dataset {dataset} --cuda 0
  

支持的模型和数据集包括：

• model_name: gccf, lightgcn, sgl, simgcl, dccf, autocf
• dataset: amazon, yelp, steam

引用

如果你觉得这个项目对你的研究有帮助，请考虑引用我们的论文：

@article{ren2023representation,
  title={Representation learning with large language models for recommendation},
  author={Ren, Xubin and Wei, Wei and Xia, Lianghao and Su, Lixin and Cheng, Suqi and Wang, Junfeng and Yin, Dawei and Huang, Chao},
  journal={arXiv preprint arXiv:2310.15950},
  year={2023}
}

感谢你对 RLMRec 项目的关注！

RLMRec "RLMRec: Representation Learning with Large Language Models for Recommendation" 项目地址: https://gitcode.com/gh_mirrors/rl/RLMRec