論文の概要: RecAI: Leveraging Large Language Models for Next-Generation Recommender
Systems
- arxiv url: http://arxiv.org/abs/2403.06465v1
- Date: Mon, 11 Mar 2024 07:07:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-12 19:59:31.833051
- Title: RecAI: Leveraging Large Language Models for Next-Generation Recommender
Systems
- Title(参考訳): RecAI:次世代レコメンダシステムのための大規模言語モデルの活用
- Authors: Jianxun Lian, Yuxuan Lei, Xu Huang, Jing Yao, Wei Xu, Xing Xie
- Abstract要約: RecAIは、Large Language Models (LLMs)でレコメンデーションシステムを拡張するツールキットである
RecAIのソースコードはurlhttps://github.com/RecAIで入手できる。
- 参考スコア(独自算出の注目度): 38.006189370219
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces RecAI, a practical toolkit designed to augment or even
revolutionize recommender systems with the advanced capabilities of Large
Language Models (LLMs). RecAI provides a suite of tools, including Recommender
AI Agent, Recommendation-oriented Language Models, Knowledge Plugin,
RecExplainer, and Evaluator, to facilitate the integration of LLMs into
recommender systems from multifaceted perspectives. The new generation of
recommender systems, empowered by LLMs, are expected to be more versatile,
explainable, conversational, and controllable, paving the way for more
intelligent and user-centric recommendation experiences. We hope the
open-source of RecAI can help accelerate evolution of new advanced recommender
systems. The source code of RecAI is available at
\url{https://github.com/microsoft/RecAI}.
- Abstract(参考訳): 本稿では,Large Language Models (LLMs) の高度な機能を備えたレコメンデータシステムの拡張や革新を目的とした実用的なツールキットであるRecAIを紹介する。
RecAIは、Recommender AI Agent、Recommendation-oriented Language Models、Knowledge Plugin、RecExplainer、Evaluatorを含む一連のツールを提供し、多面的な視点からレコメンダシステムへのLLMの統合を容易にする。
LLMによって強化された新世代のレコメンデーターシステムは、より汎用性があり、説明可能で、会話可能で、制御可能であり、よりインテリジェントでユーザー中心のレコメンデーションエクスペリエンスを実現する。
recaiのオープンソースが、新しい高度なレコメンデーションシステムの進化を加速できることを願っている。
RecAIのソースコードは \url{https://github.com/microsoft/RecAI} で入手できる。
関連論文リスト
- Emerging Synergies Between Large Language Models and Machine Learning in
Ecommerce Recommendations [19.405233437533713]
大規模言語モデル(LLM)は、言語理解と生成の基本的なタスクにおいて優れた機能を持つ。
機能エンコーダとしてLLMを用いたユーザとアイテムの表現を学習するための代表的なアプローチを提案する。
次に、協調フィルタリング強化レコメンデーションシステムのためのLLM技術の最新技術について概説した。
論文 参考訳(メタデータ) (2024-03-05T08:31:00Z) - Empowering Few-Shot Recommender Systems with Large Language Models --
Enhanced Representations [0.0]
大規模言語モデル(LLM)は、明示的なフィードバックベースのレコメンデータシステムで遭遇する少数のシナリオに対処するための、新たな洞察を提供する。
我々の研究は、LLMがレコメンデーターシステムに関わっていることの多面的側面を深く掘り下げるために、研究者に刺激を与えることができる。
論文 参考訳(メタデータ) (2023-12-21T03:50:09Z) - RecExplainer: Aligning Large Language Models for Recommendation Model
Interpretability [53.76682562935373]
本稿では,大規模言語モデルを代理モデルとして用いて,推薦システムに対する新しいモデル解釈手法を提案する。
具体的には,行動アライメント,意図アライメント,ハイブリッドアライメントという3つのアライメント手法を導入する。
提案手法により,LLMはレコメンデーションモデルのパターンを理解し,信頼性の高いレコメンデーション説明を生成することができる。
論文 参考訳(メタデータ) (2023-11-18T03:05:43Z) - Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。
我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
論文 参考訳(メタデータ) (2023-07-05T06:03:40Z) - GenRec: Large Language Model for Generative Recommendation [41.22833600362077]
本稿では,テキストデータに基づく大規模言語モデル(LLM)を用いたレコメンデーションシステムに対する革新的なアプローチを提案する。
GenRecはLLMの理解機能を使ってコンテキストを解釈し、ユーザの好みを学習し、関連するレコメンデーションを生成する。
本研究は,レコメンデーションシステムの領域に革命をもたらす上で,LLMに基づくジェネレーティブレコメンデーションの可能性を明らかにするものである。
論文 参考訳(メタデータ) (2023-07-02T02:37:07Z) - A Survey on Large Language Models for Recommendation [80.01023231943205]
大規模言語モデル(LLM)は自然言語処理(NLP)の分野で強力なツールとして登場した。
本調査では,これらのモデルを2つの主要なパラダイム(DLLM4Rec)とジェネレーティブLSM4Rec(GLLM4Rec)に分類する。
論文 参考訳(メタデータ) (2023-05-31T13:51:26Z) - Recommendation as Instruction Following: A Large Language Model
Empowered Recommendation Approach [83.62750225073341]
我々は、大規模言語モデル(LLM)による指示としてレコメンデーションを考える。
まず、ユーザの好み、意図、タスクフォーム、コンテキストを自然言語で記述するための一般的な命令形式を設計する。
そして、39の命令テンプレートを手動で設計し、大量のユーザ個人化された命令データを自動的に生成する。
論文 参考訳(メタデータ) (2023-05-11T17:39:07Z) - RGRecSys: A Toolkit for Robustness Evaluation of Recommender Systems [100.54655931138444]
複数の次元を包含するレコメンダシステムに対して,ロバスト性に関するより包括的視点を提案する。
本稿では、RecSys用のロバストネス評価ツールキットRobustness Gymを紹介し、リコメンダシステムモデルのロバストネスを迅速かつ均一に評価できるようにする。
論文 参考訳(メタデータ) (2022-01-12T10:32:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。