时尚推荐的序列大语言模型框架
原文中文,约400字,阅读约需1分钟。发表于: 。本研究解决了时尚行业推荐系统在产品建议和客户便利性方面的独特挑战,提出了一种基于预训练的大语言模型的序列时尚推荐框架。通过高效的参数微调和新颖的混合检索技术,我们的框架显著提升了时尚推荐的性能。
传统推荐系统依赖共享嵌入空间,序列模型如RNN和Transformer在序列推荐中表现出色。研究人员探索使用大型语言模型(LLMs)进行序列推荐。CALRec是一个两阶段的LLM微调框架,结合对比损失和语言建模损失。首先在多个领域数据上微调,然后在目标领域微调。实验显示,该模型在Recall@1和NDCG@10上优于其他方法,两个微调阶段结合效果最佳。