論文の概要: GR-LLMs: Recent Advances in Generative Recommendation Based on Large Language Models

• arxiv url: http://arxiv.org/abs/2507.06507v1
• Date: Wed, 09 Jul 2025 03:13:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.44719
• Title: GR-LLMs: Recent Advances in Generative Recommendation Based on Large Language Models
• Title（参考訳）: GR-LLMs:大規模言語モデルに基づくジェネレーティブレコメンデーションの最近の進歩
• Authors: Zhen Yang, Haitao Lin, Jiawei xue, Ziji Zhang,
• Abstract要約: ジェネレーティブレコメンデーション(GR)は、特にLLM(Large Language Models)の強力なシーケンスモデリングと推論機能を活用して、全体的なレコメンデーション性能を向上させるために、大幅な進歩を遂げている。 LLMをベースとしたGRは、差別的な推奨とは明らかに異なる新しいパラダイムを形成しており、複雑な手作り機能に大きく依存する従来のレコメンデーションシステムを置き換える可能性を示している。
• 参考スコア（独自算出の注目度）: 13.550887796404943
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the past year, Generative Recommendations (GRs) have undergone substantial advancements, especially in leveraging the powerful sequence modeling and reasoning capabilities of Large Language Models (LLMs) to enhance overall recommendation performance. LLM-based GRs are forming a new paradigm that is distinctly different from discriminative recommendations, showing strong potential to replace traditional recommendation systems heavily dependent on complex hand-crafted features. In this paper, we provide a comprehensive survey aimed at facilitating further research of LLM-based GRs. Initially, we outline the general preliminaries and application cases of LLM-based GRs. Subsequently, we introduce the main considerations when LLM-based GRs are applied in real industrial scenarios. Finally, we explore promising directions for LLM-based GRs. We hope that this survey contributes to the ongoing advancement of the GR domain.
• Abstract（参考訳）: 過去1年間で、ジェネレーティブレコメンデーション(GR)は、特にLarge Language Models(LLM)の強力なシーケンスモデリングと推論能力を活用して、全体的なレコメンデーション性能を向上させるために、大幅な進歩を遂げてきた。 LLMベースのGRは、差別的なレコメンデーションとは明らかに異なる新しいパラダイムを形成しており、複雑な手作り機能に大きく依存する従来のレコメンデーションシステムを置き換える可能性を示している。 本稿では,LLMに基づくGRのさらなる研究を促進するための総合的な調査を行う。 まず, LLM ベースの GR の概略と適用事例について概説する。 次に, LLMをベースとしたGRを実産業シナリオに適用する際の主な考察を紹介する。 最後に,LLMをベースとしたGRの今後の方向性について検討する。 この調査がGRドメインの継続的な進歩に寄与することを願っている。

関連論文リスト

• Large Language Model Enhanced Recommender Systems: A Survey [31.31030891846837]
  本稿では,Large Language Model (LLM) を利用したレコメンダシステム(RS)の強化を目的とした最新の研究成果について報告する。 我々は、LLMをオンラインシステムに組み込む動き、特に推論時にの使用を避けることで、この分野における重要な変化を識別する。
  論文  参考訳（メタデータ） (2024-12-18T02:07:21Z)
• Towards Next-Generation LLM-based Recommender Systems: A Survey and Beyond [41.08716571288641]
  本論では,本質的なレコメンデーションに端を発する新しい分類法を紹介する。 本稿では,レコメンデーションシステムの発達過程をより正確に反映した3層構造を提案する。
  論文  参考訳（メタデータ） (2024-10-10T08:22:04Z)
• Large Language Models for Generative Recommendation: A Survey and Visionary Discussions [41.00546572485054]
  大規模言語モデル(LLM)は、他の多くの分野、例えばレコメンダシステム(RS)を再構築する可能性がある。 本調査は, LLMに基づく生成レコメンデーションの進展, 方法, 今後の方向性を概観する。
  論文  参考訳（メタデータ） (2023-09-03T12:33:47Z)
• LLMRec: Benchmarking Large Language Models on Recommendation Task [54.48899723591296]
  推奨領域におけるLarge Language Models (LLMs) の適用について, 十分に検討されていない。 我々は、評価予測、シーケンシャルレコメンデーション、直接レコメンデーション、説明生成、レビュー要約を含む5つのレコメンデーションタスクにおいて、市販のLLMをベンチマークする。 ベンチマークの結果,LLMは逐次的・直接的推薦といった精度に基づくタスクにおいて適度な熟練度しか示さないことがわかった。
  論文  参考訳（メタデータ） (2023-08-23T16:32:54Z)
• A Survey on Large Language Models for Recommendation [77.91673633328148]
  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)

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。