LLM-Rec: Raccomandazione Personalizzata tramite Prompting di Modelli Linguistici di Grandi Dimensioni

LLM-Rec: Personalized Recommendation via Prompting Large Language Models

July 24, 2023

Autori: Hanjia Lyu, Song Jiang, Hanqing Zeng, Yinglong Xia, Jiebo Luo

cs.AI

Abstract

Investighiamo varie strategie di prompting per migliorare le prestazioni di raccomandazione di contenuti personalizzati con modelli linguistici di grandi dimensioni (LLM) attraverso l'aumento degli input. Il nostro approccio proposto, denominato LLM-Rec, comprende quattro distinte strategie di prompting: (1) prompting di base, (2) prompting guidato dalla raccomandazione, (3) prompting guidato dall'engagement e (4) prompting guidato dalla raccomandazione + prompting guidato dall'engagement. I nostri esperimenti empirici dimostrano che combinare la descrizione originale del contenuto con il testo di input aumentato generato dall'LLM utilizzando queste strategie di prompting porta a un miglioramento delle prestazioni di raccomandazione. Questo risultato evidenzia l'importanza di incorporare prompt diversificati e tecniche di aumento degli input per potenziare le capacità di raccomandazione con modelli linguistici di grandi dimensioni per la raccomandazione di contenuti personalizzati.

English

We investigate various prompting strategies for enhancing personalized content recommendation performance with large language models (LLMs) through input augmentation. Our proposed approach, termed LLM-Rec, encompasses four distinct prompting strategies: (1) basic prompting, (2) recommendation-driven prompting, (3) engagement-guided prompting, and (4) recommendation-driven + engagement-guided prompting. Our empirical experiments show that combining the original content description with the augmented input text generated by LLM using these prompting strategies leads to improved recommendation performance. This finding highlights the importance of incorporating diverse prompts and input augmentation techniques to enhance the recommendation capabilities with large language models for personalized content recommendation.