Awesome LLM4RS Papers

เอกสาร LLM4RS ที่ยอดเยี่ยม

นี่คือรายการกระดาษเกี่ยวกับระบบผู้แนะนำที่ปรับปรุงโมเดลภาษาขนาดใหญ่ นอกจากนี้ยังมีผลงานที่เกี่ยวข้องอีกด้วย

คำสำคัญ : ระบบการแนะนำ แบบจำลองภาษาขนาดใหญ่

ยินดีต้อนรับสู่การเปิดประเด็นหรือขอดึง!

สำรวจ

• การสำรวจผลกระทบของแบบจำลองภาษาขนาดใหญ่ต่อระบบผู้แนะนำ: การทบทวนอย่างกว้างขวาง, arxiv 2024, [บทความ]
• แบบสำรวจเกี่ยวกับแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำ arxiv 2023, [กระดาษ]
• ระบบผู้แนะนำจะได้รับประโยชน์จากแบบจำลองภาษาขนาดใหญ่ได้อย่างไร: แบบสำรวจ, arxiv 2023, [บทความ]
• ระบบผู้แนะนำในยุคของโมเดลภาษาขนาดใหญ่ (LLMs), arxiv 2023, [กระดาษ]

รายการกระดาษ

• Chat-REC: สู่ระบบผู้แนะนำ LLMs-Augmented แบบโต้ตอบและอธิบายได้, arxiv 2023, [บทความ]
• GPT4Rec: กรอบการทำงานทั่วไปสำหรับคำแนะนำส่วนบุคคลและการตีความความสนใจของผู้ใช้, arxiv 2023, [บทความ]
• TALLRec: กรอบงานการปรับแต่งที่มีประสิทธิภาพและประสิทธิผลเพื่อจัดแนวโมเดลภาษาขนาดใหญ่ให้สอดคล้องกับคำแนะนำ, RecSys 2023 Short Paper, [กระดาษ], [รหัส]
• ระบบผู้แนะนำที่รักษาความเป็นส่วนตัวด้วยการสร้างแบบสอบถามสังเคราะห์โดยใช้โมเดลภาษาขนาดใหญ่ส่วนตัวที่แตกต่างกัน, arxiv 2023, [บทความ]
• ข้อเสนอแนะเป็นคำสั่งต่อไปนี้: A Large Language Model Empowered Recommendation Approach, arxiv 2023, [กระดาษ]
• ดูคำแนะนำข่าว Generative ที่ขับเคลื่อนโดย LLM เป็นครั้งแรก, arxiv 2023, [กระดาษ]
• จุดประกายของผู้แนะนำทั่วไปเทียม (AGR): การทดลองเบื้องต้นกับ ChatGPT, arxiv 2023, [กระดาษ]
• การแนะนำรายการถัดไปแบบ Zero-Shot โดยใช้โมเดลภาษาที่ได้รับการฝึกล่วงหน้าขนาดใหญ่, arxiv 2023, [กระดาษ], [รหัส]
• LLM เข้าใจการตั้งค่าของผู้ใช้หรือไม่? การประเมิน LLM เกี่ยวกับการทำนายคะแนนผู้ใช้, arxiv 2023, [กระดาษ]
• โมเดลภาษาขนาดใหญ่คือ Zero-Shot Rankers สำหรับระบบผู้แนะนำ, arxiv 2023, [กระดาษ], [รหัส]
• การใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่ในระบบผู้แนะนำการสนทนา, arxiv 2023, [กระดาษ]
• คิดใหม่เกี่ยวกับการประเมินข้อเสนอแนะการสนทนาในยุคของโมเดลภาษาขนาดใหญ่, arxiv 2023, [กระดาษ], [รหัส]
• PALR: Personalization Aware LLMs for Recommendation, arxiv 2023, [กระดาษ]
• การปรับแต่งโมเดลภาษาขนาดใหญ่พร้อมท์ในการแยกมุมมองส่วนบุคคลสำหรับคำแนะนำ arxiv 2023 [กระดาษ]
• การศึกษาเบื้องต้นของ ChatGPT เกี่ยวกับการแนะนำข่าว: การปรับเปลี่ยนในแบบของคุณ, ความเป็นธรรมของผู้ให้บริการ, ข่าวปลอม, arxiv 2023, [กระดาษ]
• โมเดลภาษาขนาดใหญ่สำหรับการแนะนำเชิงสร้างสรรค์, arxiv 2023, [กระดาษ]
• GenRec: โมเดลภาษาขนาดใหญ่สำหรับคำแนะนำทั่วไป, arxiv 2023, [กระดาษ]
• คำแนะนำงานเชิงสร้างสรรค์ด้วยโมเดลภาษาขนาดใหญ่, arxiv 2023, [กระดาษ]
• การสำรวจโมเดลภาษาขนาดใหญ่เพื่อทำความเข้าใจข้อมูลกราฟในการแนะนำงานออนไลน์, arxiv 2023, [กระดาษ]
• LLM-Rec: คำแนะนำส่วนบุคคลผ่านการแจ้งโมเดลภาษาขนาดใหญ่, arxiv 2023, [กระดาษ]
• กระบวนทัศน์การต่อสายดินแบบสองขั้นตอนสำหรับแบบจำลองภาษาขนาดใหญ่ในระบบการแนะนำ arxiv 2023, [บทความ]
• LLMRec: การเปรียบเทียบโมเดลภาษาขนาดใหญ่ในงานการแนะนำ arxiv 2023, [กระดาษ], [รหัส]
• คำแนะนำแบบ Zero-Shot พร้อมโมเดลภาษาขนาดใหญ่ที่ได้รับการฝึกอบรมล่วงหน้าสำหรับการกระตุ้นเตือนหลายรูปแบบ, arxiv 2023, [กระดาษ]
• การกลั่นทันทีเพื่อคำแนะนำที่ใช้ LLM อย่างมีประสิทธิภาพ, CIKM 2023, [กระดาษ], [รหัส]
• โมเดลภาษาขนาดใหญ่ในฐานะผู้แนะนำการสนทนาแบบ Zero-Shot, CIKM 2023, [กระดาษ], [รหัส]
• การใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่ (LLM) เพื่อเพิ่มศักยภาพให้กับชุดข้อมูลที่ไม่ต้องการฝึกอบรมสำหรับการแนะนำตามเนื้อหา, arxiv 2023, [บทความ]
• คำแนะนำแบบ Zero-Shot พร้อมโมเดลภาษาขนาดใหญ่ที่ได้รับการฝึกอบรมล่วงหน้าสำหรับการกระตุ้นเตือนหลายรูปแบบ, arxiv 2023, [กระดาษ]
• LlamaRec: การแนะนำสองขั้นตอนโดยใช้โมเดลภาษาขนาดใหญ่สำหรับการจัดอันดับ arxiv 2023, [กระดาษ], [รหัส]
• โมเดลภาษาขนาดใหญ่มีการแข่งขันที่ใกล้เคียงผู้แนะนำแบบเริ่มเย็นสำหรับการตั้งค่าภาษาและรายการ, Recsys 2023, [กระดาษ]
• CoLLM: การรวมการฝังการทำงานร่วมกันเข้ากับโมเดลภาษาขนาดใหญ่สำหรับคำแนะนำ arxiv 2023 [เอกสาร]
• คำแนะนำที่ขับเคลื่อนด้วยการเล่าเรื่องแบบจำลองภาษาขนาดใหญ่, เอกสารสั้น RecSys 2023, [กระดาษ]
• การใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่สำหรับการแนะนำตามลำดับ, RecSys 2023 LBR, [กระดาษ], [รหัส]
• ครั้งเดียว: ส่งเสริมการแนะนำตามเนื้อหาด้วยโมเดลภาษาขนาดใหญ่ทั้งแบบโอเพ่นซอร์สและแบบปิด, WSDM 2024, [กระดาษ], [รหัส]
• LLaRA: การจัดแนวโมเดลภาษาขนาดใหญ่กับผู้แนะนำตามลำดับ, arxiv 2023, [กระดาษ], [รหัส]
• LLM4Vis: คำแนะนำการแสดงภาพที่อธิบายได้โดยใช้ ChatGPT, arxiv 2023, [กระดาษ], [รหัส]
• E4SRec: โซลูชันขยายขนาดที่มีประสิทธิภาพและประสิทธิผลที่หรูหราของโมเดลภาษาขนาดใหญ่สำหรับการแนะนำตามลำดับ, arxiv 2023, [กระดาษ], [รหัส]
• การปรับโมเดลภาษาขนาดใหญ่โดยการบูรณาการความหมายการทำงานร่วมกันสำหรับคำแนะนำ arxiv 2023, [กระดาษ], [รหัส]
• การเรียนรู้การเป็นตัวแทนด้วยโมเดลภาษาขนาดใหญ่สำหรับคำแนะนำ WWW 2024, [กระดาษ], [รหัส]
• Stealthy Attack on Large Language Model based Recommendation, arxiv 2024, [กระดาษ]
• ReLLa: โมเดลภาษาขนาดใหญ่ที่ปรับปรุงการดึงข้อมูลเพื่อความเข้าใจพฤติกรรมตามลำดับตลอดชีวิตในคำแนะนำ arxiv 2024, [กระดาษ] [รหัส]
• Wukong: สู่กฎหมายมาตราส่วนสำหรับข้อเสนอแนะขนาดใหญ่, arxiv 2024, [กระดาษ]
• โมเดลภาษาขนาดใหญ่ที่ได้รับการปรับปรุงผู้แนะนำตามลำดับสำหรับวิดีโอร่วมและการแนะนำความคิดเห็น, arxiv 2024, [กระดาษ] [รหัส]
• การควบคุมโมเดลภาษาขนาดใหญ่สำหรับการแนะนำตามลำดับข้อความที่มีเนื้อหาสมบูรณ์, arxiv 2024, [กระดาษ]
• การสำรวจโมเดลภาษาขนาดใหญ่สำหรับการทำความเข้าใจข้อมูลกราฟในการแนะนำงานออนไลน์, arxiv 2024, [กระดาษ] [รหัส]
• LLMRG: การปรับปรุงข้อเสนอแนะผ่านกราฟการใช้เหตุผลแบบจำลองภาษาขนาดใหญ่, arxiv 2024, [บทความ]
• การเพิ่มประสิทธิภาพการแนะนำงานผ่านเครือข่าย Generative Adversarial Networks ที่ใช้ LLM, AAAI 2024, [บทความ]
• LLM-Guided Multi-View Hypergraph Learning for Human-Centric Explainable Recommendation, arxiv 2024, [กระดาษ]
• การแนะนำตามลำดับที่มีความสัมพันธ์แฝงตามโมเดลภาษาขนาดใหญ่, SIGIR 2024, [กระดาษ], [รหัส]
• Common Sense Enhanced Knowledge-based Recommendation พร้อมโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ] [รหัส]
• Re2LLM: โมเดลภาษาขนาดใหญ่เสริมแรงสะท้อนสำหรับคำแนะนำตามเซสชัน, arxiv 2024, [บทความ]
• การปรับปรุงคำแนะนำตามเนื้อหาผ่านโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ]
• การจัดแนวโมเดลภาษาขนาดใหญ่ด้วยความรู้เชิงแนะนำ arxiv 2024 [บทความ]
• สถานที่ที่ต้องดำเนินการต่อไป: Zero-shot Generalization of LLMs for Next POI Recommendation, arxiv 2024, [กระดาษ]
• DRE: การสร้างคำอธิบายคำแนะนำโดยการจัดแนวโมเดลภาษาขนาดใหญ่ที่ระดับข้อมูล arxiv 2024, [กระดาษ]
• การจัดแนวพฤติกรรม: มุมมองใหม่ของการประเมินระบบการแนะนำการสนทนาที่ใช้ LLM, SIGIR 2024, [กระดาษ], [รหัส]
• Unlearning ที่แม่นยำและมีประสิทธิภาพสำหรับคำแนะนำตามแบบจำลองภาษาขนาดใหญ่, arxiv 2024, [บทความ]
• โมเดลภาษาขนาดใหญ่สำหรับคำแนะนำเซสชันที่ขับเคลื่อนด้วยความตั้งใจ, SIGIR 24, [กระดาษ]
• ระบบผู้แนะนำตามการเรียนรู้แบบเสริมกำลังด้วยแบบจำลองภาษาขนาดใหญ่สำหรับการให้รางวัลระดับรัฐและการสร้างแบบจำลองการดำเนินการ, SIGIR 24, [กระดาษ]
• การปรับปรุงคำแนะนำระยะยาวด้วยการวางแผนแบบจำลองภาษาขนาดใหญ่ที่สามารถเรียนรู้ได้สองระดับ, SIGIR 24, [กระดาษ]
• LoRec: โมเดลภาษาขนาดใหญ่สำหรับการแนะนำตามลำดับที่แข็งแกร่งเพื่อต่อต้านการโจมตีด้วยพิษ, SIGIR 24, [กระดาษ]
• การปรับแต่งอย่างละเอียดอย่างมีประสิทธิภาพสำหรับคำแนะนำที่ใช้ LLM, SIGIR 24, [กระดาษ]
• สู่การจัดตำแหน่ง LLM-RecSys ด้วยการเรียนรู้รหัสข้อความ , SIGIR 24, [กระดาษ]
• ทำลายอุปสรรคด้านความยาว: การทำนาย CTR ที่ปรับปรุงโดย LLM ในพฤติกรรมผู้ใช้ที่เป็นข้อความขนาดยาว, SIGIR 24, [กระดาษ]
• RecGPT: การแจ้งส่วนบุคคลแบบทั่วไปสำหรับการแนะนำตามลำดับผ่านกระบวนทัศน์การฝึกอบรม ChatGPT, arxiv 2024, [บทความ]
• การปรับตัวที่มีประสิทธิภาพและความรับผิดชอบของแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำ Top-k ที่แข็งแกร่ง, arxiv 2024, [กระดาษ]
• โมเดลภาษาขนาดใหญ่สำหรับคำแนะนำจุดสนใจถัดไป, arxiv 2024, [กระดาษ]
• เรื่องของการกลั่น: การเพิ่มขีดความสามารถผู้แนะนำตามลำดับเพื่อให้ตรงกับประสิทธิภาพของโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ]
• โมเดลภาษาขนาดใหญ่ในฐานะผู้แนะนำภาพยนตร์เชิงสนทนา: การศึกษาผู้ใช้, arxiv 2024, [บทความ]
• CALRec: การจัดแนวที่ตรงกันข้ามของ Generative LLM สำหรับการแนะนำตามลำดับ, arxiv 2024, [กระดาษ]
• การปรับแต่งคำแนะนำที่อธิบายได้ตามโมเดลภาษาขนาดใหญ่อย่างละเอียดพร้อมรางวัลคุณภาพที่อธิบายได้, AAAI 2024, [บทความ]
• ทำลายอุปสรรค: การใช้แบบจำลองภาษาขนาดใหญ่สำหรับระบบการแนะนำทางอุตสาหกรรมผ่านกราฟความรู้เชิงอนุมาน, arxiv 2024, [บทความ]
• RDRec: การกลั่นตามเหตุผลสำหรับคำแนะนำที่ใช้ LLM, ACL 2024 Main (แบบสั้น), [กระดาษ], [รหัส]
• เสริมความเป็นส่วนตัวแบบทันทีสำหรับคำแนะนำด้วยโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ], [รหัส]
• การทำความเข้าใจความหมายและการใส่ข้อมูลโดยใช้แบบจำลองภาษาขนาดใหญ่เพื่อเร่งระบบการแนะนำ arxiv 2024, [บทความ]
• การสำรวจอย่างเป็นระบบและการทบทวนเชิงวิพากษ์เกี่ยวกับการประเมินแบบจำลองภาษาขนาดใหญ่: ความท้าทาย ข้อจำกัด และข้อเสนอแนะ arxiv 2024, [บทความ]
• LANE: การจัดตำแหน่งลอจิกของแบบจำลองภาษาขนาดใหญ่ที่ไม่ปรับแต่งและระบบการแนะนำออนไลน์สำหรับการสร้างเหตุผลที่อธิบายได้, arxiv 2024, [กระดาษ]
• การเพิ่มประสิทธิภาพความแปลกใหม่ของคำแนะนำ Top-k โดยใช้โมเดลภาษาขนาดใหญ่และการเรียนรู้แบบเสริมกำลัง arxiv 2024, [บทความ]
• "คุณต้องเป็นหมอ Lin": การสืบสวนอคติตามชื่อของแบบจำลองภาษาขนาดใหญ่ในการแนะนำการจ้างงาน arxiv 2024, [กระดาษ]
• การจัดอันดับแบบหลายชั้นพร้อมโมเดลภาษาขนาดใหญ่สำหรับการแนะนำแหล่งข่าว, arxiv 2024, [กระดาษ]
• โมเดลภาษาขนาดใหญ่ในฐานะผู้ประเมินสำหรับคำอธิบายคำแนะนำ, arxiv 2024, [กระดาษ]
• การเข้ารหัสแบบข้อความของข้อมูลการทำงานร่วมกันในแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำ arxiv 2024, [บทความ]
• การสำรวจการรวมการดึงข้อมูลผู้ใช้ไปสู่โมเดลภาษาขนาดใหญ่สำหรับการแนะนำตามลำดับข้ามโดเมน, arxiv 2024, [กระดาษ]
• XRec: โมเดลภาษาขนาดใหญ่สำหรับคำแนะนำที่อธิบายได้, arxiv 2024, [[กระดาษ]](XRec: โมเดลภาษาขนาดใหญ่สำหรับคำแนะนำที่อธิบายได้), [รหัส]
• โมเดลภาษาขนาดใหญ่ได้รับการปรับปรุงการแนะนำตามลำดับสำหรับผู้ใช้และรายการหางยาว, arxiv 2024, [กระดาษ], [รหัส]
• โมเดลภาษาขนาดใหญ่ในการเรียกค้นที่ขับเคลื่อนด้วยคำหลักสำหรับคำแนะนำผู้ใช้ที่เริ่มเย็น, arxiv 2024, [กระดาษ]
• การแนะนำข่าวพร้อมคำอธิบายหมวดหมู่โดยโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ]
• โครงสร้างการเรียนรู้และการเป็นตัวแทนการรับรู้ความรู้ด้วยแบบจำลองภาษาขนาดใหญ่สำหรับการแนะนำแนวคิด, arxiv 2024, [บทความ]
• จัดทำดัชนีใหม่แล้วปรับเปลี่ยน: การปรับปรุงแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำการสนทนา arxiv 2024, [กระดาษ]
• EmbSum: การใช้ประโยชน์จากความสามารถในการสรุปของโมเดลภาษาขนาดใหญ่สำหรับคำแนะนำตามเนื้อหา, arxiv 2024, [บทความ]
• DynLLM: เมื่อโมเดลภาษาขนาดใหญ่ตรงตามคำแนะนำกราฟแบบไดนามิก, arxiv 2024, [กระดาษ]
• การแนะนำหัวข้อการสนทนาในการให้คำปรึกษาและจิตบำบัดด้วยตัวแปลงการตัดสินใจและโมเดลภาษาขนาดใหญ่, arxiv 2024, [บทความ]
• OpenP5: แพลตฟอร์มโอเพ่นซอร์สสำหรับการพัฒนา การฝึกอบรม และการประเมินระบบผู้แนะนำที่ใช้ LLM, Sigir 2024, [กระดาษ], [รหัส]
• LARR: โมเดลภาษาขนาดใหญ่ช่วยแนะนำฉากแบบเรียลไทม์พร้อมความเข้าใจเชิงความหมาย [บทความ]
• คำแนะนำที่ขับเคลื่อนด้วยโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ]
• CoRA: การรับรู้ข้อมูลการทำงานร่วมกันโดยน้ำหนักของแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำ [กระดาษ]
• การผสมผสานความรู้ที่มีประสิทธิภาพและปรับใช้ได้สำหรับคำแนะนำแบบเปิดโลกผ่านโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ]
• การควบคุมโมเดลภาษาขนาดใหญ่หลายรูปแบบสำหรับการแนะนำต่อเนื่องหลายรูปแบบ, arxiv 2024, [บทความ]
• ฟิวชั่นข้ามโมดัลที่ทำงานร่วมกันด้วยแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำ arxiv 2024, [บทความ]
• LLM4DSR: การใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่สำหรับการลดเสียงรบกวนการแนะนำตามลำดับ, arxiv 2024, [กระดาษ]
• การใช้เหตุผลตามความชอบส่วนบุคคลที่ขับเคลื่อนด้วยบทวิจารณ์ด้วยแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำ, arxiv 2024, [บทความ]
• การปรับเปลี่ยนอันดับต่ำส่วนบุคคลตลอดชีวิตของแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำ arxiv 2024, [บทความ]
• โมเดลภาษาขนาดใหญ่ช่วยทำนาย QoS สำหรับคำแนะนำการบริการ, arxiv 2024, [บทความ]
• เรียนรู้โดยการขาย: การจัดเตรียมโมเดลภาษาขนาดใหญ่ที่มีความรู้เกี่ยวกับผลิตภัณฑ์สำหรับคำแนะนำที่ขับเคลื่อนด้วยบริบท, arxiv 2024, [บทความ]
• Prometheus Chatbot: กราฟความรู้แบบจำลองภาษาขนาดใหญ่สำหรับการทำงานร่วมกันสำหรับคำแนะนำส่วนประกอบคอมพิวเตอร์, arxiv 2024, [กระดาษ]
• เสริมความเป็นส่วนตัวแบบทันทีสำหรับคำแนะนำด้วยโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ]
• LARR: โมเดลภาษาขนาดใหญ่ช่วยแนะนำฉากแบบเรียลไทม์พร้อมความเข้าใจเชิงความหมาย [บทความ]
• คำแนะนำที่ขับเคลื่อนด้วยโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ]
• CoRA: การรับรู้ข้อมูลการทำงานร่วมกันโดยน้ำหนักของแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำ [บทความ]
• การผสมผสานความรู้ที่มีประสิทธิภาพและปรับใช้ได้สำหรับคำแนะนำแบบเปิดโลกผ่านโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ]
• การควบคุมโมเดลภาษาขนาดใหญ่หลายรูปแบบสำหรับการแนะนำต่อเนื่องหลายรูปแบบ, arxiv 2024, [บทความ]
• ฟิวชั่นข้ามโมดัลที่ทำงานร่วมกันด้วยแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำ arxiv 2024, [บทความ]
• LLM4DSR: การใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่สำหรับการลดเสียงรบกวนการแนะนำตามลำดับ, arxiv 2024, [กระดาษ]
• การใช้เหตุผลตามความชอบส่วนบุคคลที่ขับเคลื่อนด้วยบทวิจารณ์ด้วยแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำ, arxiv 2024, [บทความ]
• การปรับเปลี่ยนอันดับต่ำส่วนบุคคลตลอดชีวิตของแบบจำลองภาษาขนาดใหญ่สำหรับคำแนะนำ arxiv 2024, [บทความ]
• โมเดลภาษาขนาดใหญ่ช่วยทำนาย QoS สำหรับคำแนะนำการบริการ, arxiv 2024, [บทความ]
• เรียนรู้โดยการขาย: การจัดเตรียมโมเดลภาษาขนาดใหญ่ที่มีความรู้เกี่ยวกับผลิตภัณฑ์สำหรับคำแนะนำที่ขับเคลื่อนด้วยบริบท, arxiv 2024, [บทความ]
• Prometheus Chatbot: กราฟความรู้แบบจำลองภาษาขนาดใหญ่สำหรับการทำงานร่วมกันสำหรับคำแนะนำส่วนประกอบคอมพิวเตอร์, arxiv 2024, [กระดาษ]
• เสริมความเป็นส่วนตัวแบบทันทีสำหรับคำแนะนำด้วยโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ]
• โมเดลภาษาขนาดใหญ่ตรงตามการกรองร่วมกัน: ระบบผู้แนะนำที่ใช้ LLM ครบวงจรที่มีประสิทธิภาพ, KDD 2024, [เอกสาร]
• โมเดลภาษารายการสำหรับคำแนะนำการสนทนา, arxiv 2024, [กระดาษ]
• A-LLMRec: โมเดลภาษาขนาดใหญ่ตรงตามการกรองร่วมกัน: ระบบผู้แนะนำที่ใช้ LLM ครบวงจรที่มีประสิทธิภาพ, KDD 2024, [กระดาษ], [รหัส]
• HierLLM: โมเดลภาษาขนาดใหญ่แบบลำดับชั้นสำหรับการแนะนำคำถาม, arxiv 2024, [กระดาษ]
• การตั้งค่าผู้ใช้สำหรับโมเดลภาษาขนาดใหญ่เทียบกับคำอธิบายตามเทมเพลตของคำแนะนำภาพยนตร์: การศึกษานำร่อง arxiv 2024, [กระดาษ]
• โมเดลภาษาขนาดใหญ่ปรับปรุงการระบุตัวอย่างยากสำหรับคำแนะนำในการปฏิเสธ [กระดาษ]
• ความหมายการรักษาคำแนะนำอิโมจิด้วยโมเดลภาษาขนาดใหญ่, arxiv 2024, [กระดาษ]
• HLLM: การปรับปรุงคำแนะนำตามลำดับผ่านโมเดลภาษาขนาดใหญ่แบบลำดับชั้นสำหรับการสร้างแบบจำลองรายการและผู้ใช้ arxiv 2024, [กระดาษ]
• การเพิ่มประสิทธิภาพและความสามารถในการปรับขนาดของระบบการแนะนำขนาดใหญ่ด้วย Jagged Flash Attention, arxiv 2024, [กระดาษ]
• วิธีการเรียนรู้การเป็นตัวแทนตามการกระตุ้นเตือนสำหรับการแนะนำด้วยโมเดลภาษาขนาดใหญ่, arxiv 2024, [บทความ]
• ตัวสร้างการฝังตัวเสริมพลังโมเดลภาษาขนาดใหญ่สำหรับการแนะนำตามลำดับ, arxiv 2024, กระดาษ, [รหัส]
• อคติทางปัญญาในแบบจำลองภาษาขนาดใหญ่สำหรับการแนะนำข่าว, arxiv 2024, [กระดาษ]
• การอนุมานที่มีประสิทธิภาพสำหรับคำแนะนำทั่วไปตามแบบจำลองภาษาขนาดใหญ่, arxiv 2024, [บทความ]

Agent4Rec

• เมื่อตัวแทนที่ใช้โมเดลภาษาขนาดใหญ่ตรงกับการวิเคราะห์พฤติกรรมผู้ใช้: กระบวนทัศน์การจำลองผู้ใช้แบบใหม่, arxiv 2023, [กระดาษ]
• RecMind: ตัวแทนขับเคลื่อนโมเดลภาษาขนาดใหญ่สำหรับคำแนะนำ, arxiv 2023, [กระดาษ]
• เกี่ยวกับ Generative Agents ในคำแนะนำ arxiv 2023, [กระดาษ], [รหัส]
• AgentCF: การเรียนรู้ร่วมกันกับตัวแทนภาษาอัตโนมัติสำหรับระบบผู้แนะนำ, arxiv 2023, [บทความ]
• ตัวแทน AI ผู้แนะนำ: การรวมโมเดลภาษาขนาดใหญ่สำหรับคำแนะนำเชิงโต้ตอบ [ลิงก์]
• การสร้างสมดุลการรับรู้ข้อมูลด้วยหยินหยาง: โมเดลความเป็นกลางของข้อมูลตามตัวแทนสำหรับระบบการแนะนำ arxiv 2024, [บทความ]
• การให้ยืมปีกปฏิสัมพันธ์แก่ระบบผู้แนะนำด้วยตัวแทนการสนทนา, NeurIPS 2023, [เอกสาร]
• กรอบแนวคิดสำหรับการค้นหาและการแนะนำการสนทนา: การกำหนดแนวคิดการโต้ตอบของตัวแทน-มนุษย์ในระหว่างกระบวนการค้นหาการสนทนา, arxiv 2024, [บทความ]

เสริมความรู้

• การเพิ่มประสิทธิภาพระบบผู้แนะนำด้วยกราฟการใช้เหตุผลแบบจำลองภาษาขนาดใหญ่, arxiv 2023, [กระดาษ]
• สู่การแนะนำแบบเปิดโลกด้วยการเพิ่มความรู้จากโมเดลภาษาขนาดใหญ่, arxiv 2023, [กระดาษ], [รหัส]
• LLMRec: โมเดลภาษาขนาดใหญ่พร้อมการเพิ่มกราฟสำหรับคำแนะนำ, WSDM 2024, [กระดาษ], [รหัส], [บล็อกภาษาจีน]
• การปรับความรู้จากแบบจำลองภาษาขนาดใหญ่ไปสู่คำแนะนำสำหรับการใช้งานเชิงอุตสาหกรรม, arxiv 2024, [บทความ]

ทัศนคติ

• โมเดลภาษาในฐานะระบบผู้แนะนำ: การประเมินและข้อจำกัด, NeurIPS Workshop 2021, [บทความ]
• ข้อเสนอแนะทั่วไป: สู่กระบวนทัศน์ผู้แนะนำรุ่นต่อไป, arxiv 2023, [บทความ]
• จะไปที่ไหนต่อไปสำหรับระบบผู้แนะนำ? เยี่ยมชมโมเดลผู้แนะนำตาม ID เทียบกับ Modality, SIGIR 2023, [กระดาษ], [รหัส]
• การสำรวจขีดจำกัดบนของการกรองการทำงานร่วมกันโดยใช้ข้อความโดยใช้โมเดลภาษาขนาดใหญ่: Discoveries and Insights, arxiv 2023, [กระดาษ]
• การสำรวจการเรียนรู้แบบถ่ายโอนโดยใช้อะแดปเตอร์สำหรับระบบผู้แนะนำ: การศึกษาเชิงประจักษ์และข้อมูลเชิงลึกเชิงปฏิบัติ, arxiv 2023, [บทความ]
• ChatGPT เป็นผู้แนะนำที่ดีหรือไม่? การศึกษาเบื้องต้น arxiv 2023, [บทความ]
• การประเมิน ChatGPT ในฐานะระบบผู้แนะนำ: แนวทางที่เข้มงวด, arxiv 2023, [บทความ]
• โมเดลภาษาขนาดใหญ่มีการแข่งขันที่ใกล้เคียงผู้แนะนำแบบเริ่มเย็นสำหรับการตั้งค่าตามภาษาและรายการ, เอกสารสั้น RecSys 2023, [กระดาษ]
• ChatGPT ยุติธรรมสำหรับการแนะนำหรือไม่ การประเมินความเป็นธรรมในการแนะนำโมเดลภาษาขนาดใหญ่, เอกสารสั้น RecSys 2023, [กระดาษ], [รหัส]
• การเปิดเผยความสามารถของ ChatGPT ในระบบผู้แนะนำ RecSys 2023 LBR, [กระดาษ], [รหัส]

การเรียนรู้การเป็นตัวแทนสากล

พื้นที่เก็บข้อมูล Github: "Universal_user_representations สำหรับคำแนะนำ" [ลิงก์]

• การถ่ายโอนพารามิเตอร์ที่มีประสิทธิภาพจากพฤติกรรมตามลำดับสำหรับการสร้างแบบจำลองผู้ใช้และคำแนะนำ, SIGIR 2020, [กระดาษ], [รหัส]
• หนึ่งคน หนึ่งรุ่น หนึ่งโลก: เรียนรู้การเป็นตัวแทนผู้ใช้อย่างต่อเนื่องโดยไม่ลืม SIGIR 2021, [กระดาษ], [รหัส]
• การฝึกอบรมล่วงหน้าพฤติกรรมผู้ใช้ที่ไม่เชื่อเรื่อง ID เพื่อการแนะนำตามลำดับ, CCIR 2022, [บทความ]
• สู่การเรียนรู้การเป็นตัวแทนลำดับสากลสำหรับระบบผู้แนะนำ, KDD 2022, [กระดาษ], [รหัส]
• TransRec: คำแนะนำการเรียนรู้ที่สามารถถ่ายทอดได้จากผลตอบรับแบบผสมผสาน, arxiv 2022, [บทความ]
• การเรียนรู้การแทนรายการแบบเวกเตอร์เชิงปริมาณสำหรับผู้แนะนำตามลำดับที่โอนได้, WWW 2023, [กระดาษ], [รหัส]
• การเป็นตัวแทนผู้ใช้ One4all สำหรับระบบผู้แนะนำในอีคอมเมิร์ซ, arvix 2021, [เอกสาร]
• ข้อความคือสิ่งที่คุณต้องการ: Learning Language Representations for Sequential Recommendation, KDD 2023, [กระดาษ]
• โมเดลภาษาขนาดใหญ่ที่ทำงานร่วมกันสำหรับระบบผู้แนะนำ, arvix 2023, [กระดาษ], [รหัส]

การสืบค้นแบบกำเนิด

• เครือข่ายการสร้างแบบ Convolutional อย่างง่ายสำหรับการแนะนำรายการถัดไป WSDM 2018/08 [กระดาษ] [รหัส]
• ข้อมูลในอนาคตช่วยฝึกอบรม: การสร้างแบบจำลองบริบทในอนาคตสำหรับคำแนะนำตามเซสชัน, WWW 2020/04, [กระดาษ] [รหัส]
• ระบบผู้แนะนำพร้อมการดึงข้อมูลแบบทั่วไป, arvix 2023, [กระดาษ]
• การแนะนำตามลำดับทั่วไปด้วย GPTRec, เวิร์กช็อป SIGIR 2023, [บทความ]
• การแนะนำเชิงสร้างสรรค์ที่ได้รับการปรับปรุงผ่านการรวมเนื้อหาและการทำงานร่วมกัน, arvix 2024, [กระดาษ]

ฝึกโมเดลภาษาล่วงหน้าและการเรียนรู้แบบทันที

เอกสารสำรวจ: ฝึกอบรมล่วงหน้า การแจ้งและข้อเสนอแนะ: การสำรวจที่ครอบคลุมของการปรับกระบวนทัศน์การสร้างแบบจำลองภาษาในระบบผู้แนะนำ arxiv 2023, [บทความ]

• คำแนะนำในการประมวลผลภาษา (RLP): A Unified Pretrain, Personalised Prompt & Predict Paradigm (P5), arvix 2022, [กระดาษ], [รหัส]
• การทบทวนการเรียนรู้แบบเสริมกำลังเพื่อคำแนะนำ: มุมมองที่รวดเร็ว, SIGIR 2022, [กระดาษ]
• M6-Rec: โมเดลภาษาที่ได้รับการฝึกฝนล่วงหน้าเป็นระบบผู้แนะนำแบบปลายเปิด, arvix 2022, [กระดาษ]
• พรอมต์ส่วนบุคคลสำหรับการแนะนำตามลำดับ, arvix 2022, [กระดาษ]
• การปรับแต่งคำแนะนำตามลำดับอย่างรวดเร็ว, ACM MM 2023, [กระดาษ], [รหัส]

ชุดข้อมูล

• Amazon-M2: ชุดข้อมูลเซสชันการช็อปปิ้งหลายภาษาหลายภาษาสำหรับคำแนะนำและการสร้างข้อความ, arvix 2023, [กระดาษ], [KDD Cup 2023]
• PixelRec: ชุดข้อมูลรูปภาพสำหรับระบบผู้แนะนำการเปรียบเทียบด้วย Raw Pixels, arvix 2023, [กระดาษ], [ลิงก์]
• NineRec: ชุดข้อมูลเกณฑ์มาตรฐานสำหรับการประเมินคำแนะนำที่สามารถถ่ายโอนได้, arvix 2023, [กระดาษ], [ลิงก์]
• ชุดข้อมูลการแนะนำไมโครวิดีโอที่ขับเคลื่อนด้วยเนื้อหาตามขนาด, arvix 2023, [กระดาษ], [ลิงก์]
• EEG-SVRec: ชุดข้อมูล EEG พร้อมป้ายกำกับการมีส่วนร่วมทางอารมณ์หลายมิติของผู้ใช้ในคำแนะนำวิดีโอสั้น, arxiv, 2024[กระดาษ] [ลิงก์]
• MealRec : ชุดข้อมูลการแนะนำมื้ออาหารที่มีความเกี่ยวข้องกับ Meal-Course เพื่อการปรับเปลี่ยนเฉพาะบุคคลและสุขภาพที่ดี, arxiv 2024, [กระดาษ]
• MIND Your Language: A Multilingual Dataset for Cross-lingual News Recommendation, SIGIR 2024, [กระดาษ], [ลิงก์]