DynLLM: 大规模语言模型遇上动态图推荐
原文中文,约400字,阅读约需1分钟。发表于: 。本文提出了一种名为 DynLLM 的新框架,利用大型语言模型解决动态图推荐任务,通过生成基于丰富文本特征的用户多维度画像,并利用时间图嵌入和精细化的关注机制来融合用户画像和动态图嵌入,以实现对持续时间动态图的无缝集成和改进,实验证实了 DynLLM 在电子商务领域的卓越性能。
本文通过提出评估大型语言模型在动态图中的时空理解能力的基准,系统地评估了LLMs在动态图中的时空信息理解能力,并提出了一种名为DST2的方法来增强LLMs在动态图中的时空理解能力。实验结果表明,LLMs在动态图中具有初步的时空理解能力,而DST2提示方法可以帮助提高其性能。