Avec l'avènement de l'ère numérique, les systèmes de recommandation sont devenus une technologie clé pour améliorer l'expérience des utilisateurs et améliorer la rétention des utilisateurs. Dans de nombreuses industries telles que le commerce électronique, les médias en streaming et les médias sociaux, le système de recommandation recommande avec précision le contenu qui peut intéresser les utilisateurs en analysant la relation complexe entre les utilisateurs, les produits et leurs facteurs de fond. Cependant, la plupart des systèmes de recommandation existants reposent sur une grande quantité de données historiques.
Pour résoudre ce problème, les chercheurs de l'Université de Shanghai Jiaotong et du laboratoire ARK de Huawei Noah ont développé le cadre d'autographes. Le cadre améliore considérablement la précision des recommandations en construisant automatiquement des graphiques et en ajustant dynamiquement les stratégies de recommandation. Dans le même temps, Autograph utilise des modèles de langues importants (LLMS) pour améliorer la compréhension du contexte, ce qui capture ainsi mieux les préférences et les besoins des utilisateurs.
Les systèmes de recommandation basés sur des graphiques existants nécessitent généralement que l'utilisateur définisse manuellement les fonctionnalités et leurs connexions dans le graphique, ce qui ne prend pas seulement beaucoup de temps et inefficace. De plus, les règles prédéfinies limitent l'adaptabilité de ces graphiques et ne peuvent pas utiliser pleinement les riches informations sémantiques contenues dans des données non structurées. Par conséquent, l'introduction du cadre d'autographes fournit une toute nouvelle façon de résoudre le problème de la rareté des données, qui peut rapidement capturer des relations subtiles des préférences des utilisateurs.
Les fonctions principales du cadre d'autographes incluent l'analyse de la saisie des utilisateurs à l'aide de modèles de langage prélevés pré-formés (LLM) pour extraire les relations potentielles du langage naturel; Connexions; Enfin, le graphique de connaissances construit est combiné avec des réseaux de neurones graphiques (GNNS), afin que le système de recommandation puisse utiliser des fonctionnalités de nœud et des structures de graphiques pour fournir des recommandations plus précises tout en restant sensibles aux préférences personnelles et aux tendances utilisateur.
Pour vérifier l'efficacité du cadre d'autographes, les chercheurs ont comparé les ensembles de données des services de commerce électronique et de streaming. Les résultats montrent que le cadre améliore considérablement la précision des recommandations, indiquant sa forte capacité à fournir des recommandations pertinentes. En outre, l'autographe montre une meilleure évolutivité lors du traitement de grands ensembles de données et est considérablement plus faible dans les exigences informatiques que les méthodes de construction de graphiques traditionnelles. La combinaison de processus automatisés et d'algorithmes avancés aide à réduire la consommation de ressources sans affecter la qualité des résultats.
Le lancement du cadre Autographe marque un progrès important dans le domaine des systèmes de recommandation. Sa capacité à créer automatiquement des graphiques traite efficacement de l'évolutivité de longue date, de l'adaptabilité et des défis conscients du contexte. Le succès de ce cadre montre le potentiel transformateur de combiner les LLM avec des systèmes graphiques, établissant de nouvelles normes pour la recherche et l'application de recommandations personnalisées futures.
Entrée du papier: https://arxiv.org/abs/2412.18241
Points clés:
** Construction de graphes automatiques basée sur LLMS **: Le cadre d'autographes analyse automatiquement la saisie des utilisateurs, extrait les relations et construit un graphique de connaissances via des modèles de langage prélevés en grand.
** Améliorer considérablement la précision des recommandations **: Dans les repères, ce cadre améliore considérablement la précision des recommandations sur les ensembles de données de commerce électronique et de streaming.
** Réduire la consommation de ressources **: Par rapport aux méthodes traditionnelles, l'autographe fonctionne excellent dans les exigences informatiques et démontre une bonne évolutivité.