arxiv-2024-A Survey on Large Language Models for Recommendation

Summary:

为了全面了解现有基于LLM的推荐系统，本调查提出了一种分类法，将这些模型分为两大范式，分别是用于推荐的判别式LLM（DLLM4Rec）和用于推荐的生成式LLM（GLLM4Rec）

Resource:

Paper information:

Notes:

将item和user信息结合到一起，然后输入到RS里

LLM 嵌入 + RS。这种建模范式将语言模型视为特征提取器，将物品和用户的特征输入LLMs并输出相应的嵌入。传统的 RS 模型可以利用知识感知嵌入来完成各种推荐任务。
LLM 令牌 + RS。与前一种方法类似，这种方法根据输入的项目和用户特征生成令牌。生成的令牌通过语义挖掘捕捉潜在的偏好，可以集成到推荐系统的决策过程中。
LLM 作为 RS。不同于（1）和（2），这种范式旨在将预训练的 LLM 直接转化为强大的推荐系统。输入序列通常包括个人资料描述、行为提示和任务指令。

Model Graph:

Result:：

Thoughts:

user-item是典型的RS问题，但是对于特殊的场景，没有history。数据形式不一样，sub领域只有匹配，看起来更像是检索，而不是推荐系统的领域。

Next Reading:

BrambleXu / knowledge-graph-learning