本文详细阐述了基于深度学习的推荐系统流程，包括数据采集、特征工程、特征编码（利用语言模型增强语义）、打分排序（直接评分、生成任务和混合任务），以及流程控制中大语言模型的应用，重点讲解了LLM在各个环节中的作用，特别是用户画像和物品画像的构建。
基于深度学习的推荐系统流程如下：
数据采集，特征工程，特征编码，打分排序，还有整个的流程控制。
LLM可以在后面四个环节都起到作用。
1.特征工程
LLM集中于三个方面：用户画像、物品画像、样本扩充
2.特征编码
用语言模型来做特征编码，丰富语义信息。聚焦在两块，一是如何用语言模型来丰富用户特征的表征，二是如何用语言模型来丰富物品特征的表征。
3.打分排序
可以分成以下三种不同的任务，第一种是直接给 item 来进行打分；第二种是物品生成任务，直接生成用户感兴趣的下一个物品或者物品列表；第三种混合任务，用多任务的方法来建模。
4.流程控制
用一个大语言模型来调用其他的模块。
例子：
使用LLM生成用户和物品画像
来源：
https://mp.weixin.qq.com/s/jTl3E_dXHIAFl_cLv09hyg
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
