LLM-Rec: Персонализированные рекомендации через промптинг больших языковых моделей
LLM-Rec: Personalized Recommendation via Prompting Large Language Models
July 24, 2023
Авторы: Hanjia Lyu, Song Jiang, Hanqing Zeng, Yinglong Xia, Jiebo Luo
cs.AI
Аннотация
Мы исследуем различные стратегии промптинга для повышения эффективности персонализированных рекомендаций контента с использованием больших языковых моделей (LLM) через аугментацию входных данных. Наш предложенный подход, названный LLM-Rec, включает четыре различные стратегии промптинга: (1) базовый промптинг, (2) промптинг, ориентированный на рекомендации, (3) промптинг, управляемый вовлеченностью, и (4) комбинированный промптинг, ориентированный на рекомендации и управляемый вовлеченностью. Наши эмпирические эксперименты показывают, что сочетание оригинального описания контента с аугментированным текстом, сгенерированным LLM с использованием этих стратегий, приводит к улучшению качества рекомендаций. Этот результат подчеркивает важность включения разнообразных промптов и техник аугментации входных данных для повышения возможностей рекомендательных систем на основе больших языковых моделей в контексте персонализированных рекомендаций контента.
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.