TALLRec：一种用于将大型语言模型与推荐对齐的有效和高效调整框架
摘要：大型语言模型（LLM）在不同领域展示了出色的性能，因此研究人员开始探索它们在推荐系统中的潜力。最初的尝试利用了LLM的优秀能力，例如通过上下文学习获得丰富的知识和强大的泛化能力，这涉及将推荐任务作为提示来构建。然而，由于LLM的训练任务与推荐任务存在显著差异，并且在预训练期间缺乏足够的推荐数据，因此LLM在推荐任务中的性能仍然不够优化。为了弥合这一差距，我们考虑通过使用推荐数据来调优LLM，构建一种大型推荐语言模型。为此，我们提出了一种高效且有效的调优框架，名为TALLRec，用于将LLM与推荐任务对齐。我们已经证明了所提出的TALLRec框架可以显著提升LLM在电影和图书领域的推荐能力，即使只有少于100个样本的有限数据集。此外，所提出的框架非常高效，可以在单个RTX 3090上执行，并且经过精调的LLM表现出强大的跨领域泛化能力。我们的代码和数据可在https://github.com/SAI990323/TALLRec提供。
作者：Keqin Bao, Jizhi Zhang, Yang Zhang, Wenjie Wang, Fuli Feng, and Xiangnan He
论文ID：2305.00447
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-07-04