С появлением цифровой эпохи системы рекомендаций стали ключевой технологией для улучшения пользовательского опыта и улучшения удержания пользователей. Во многих отраслях, таких как электронная коммерция, потоковая медиа и социальные сети, система рекомендаций точно рекомендует контент, который может представлять интерес для пользователей, анализируя сложную связь между пользователями, продуктами и их фоновыми факторами. Тем не менее, большинство существующих систем рекомендаций полагаются на большое количество исторических данных.
Чтобы решить эту проблему, исследователи из Университета Шанхая Цзяотонга и лаборатории Huawei Noah Ark разработали автограф -структуру. Структура значительно повышает точность рекомендаций, автоматически создавая графики и динамически корректируя стратегии рекомендаций. В то же время автограф использует модели крупных языков (LLMS) для улучшения понимания контекста, тем самым лучше захватывая предпочтения и потребности пользователей.
Существующие системы рекомендаций на основе графика обычно требуют, чтобы пользователь вручную устанавливал функции и их соединения на графике, что не только занимает много времени и неэффективно. Кроме того, предварительные правила ограничивают адаптивность этих графиков и не могут полностью использовать богатую семантическую информацию, содержащуюся в неструктурированных данных. Таким образом, введение платформы автографа обеспечивает совершенно новый способ решить проблему редкости данных, которая может быстро уладить тонкие отношения пользовательских предпочтений.
Основные функции автографа включают в себя анализ ввода пользователя с использованием предварительно обученных моделей крупных языков (LLMS) для извлечения потенциальных отношений из естественного языка; соединения;
Чтобы проверить эффективность основы автографов, исследователи сравнивали наборы данных электронной коммерции и потоковых услуг. Результаты показывают, что структура значительно повышает точность рекомендаций, указывая на ее сильную способность давать соответствующие рекомендации. Кроме того, автограф показывает лучшую масштабируемость при обработке больших наборов данных и значительно ниже в вычислительных требованиях, чем традиционные методы построения графика. Комбинация автоматических процессов и передовых алгоритмов помогает снизить потребление ресурсов, не влияя на качество результатов.
Запуск фреймворта автографа знаменует собой важный прогресс в области систем рекомендаций. Его способность автоматически создавать графики эффективно справляется с давними проблемами масштабируемости, адаптивности и контекста. Успех этой структуры демонстрирует преобразующий потенциал объединения LLM с графическими системами, устанавливая новые стандарты для будущих персонализированных исследований и применения рекомендаций.
Бумажный вход: https://arxiv.org/abs/2412.18241
Ключевые моменты:
** Автоматическая конструкция графика на основе LLMS **: Фреймворк с автографами автоматически анализирует ввод пользователя, извлекает отношения и создает график знаний с помощью предварительно обученных крупных языковых моделей.
** Значительно повысить точность рекомендации **: В критериях эта структура значительно повышает точность рекомендаций в отношении наборов данных электронной коммерции и потоковой передачи.
** Снижение потребления ресурсов **: По сравнению с традиционными методами автограф отлично выполняет требования к вычислительным вычислениям и демонстрирует хорошую масштабируемость.