Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Enhancing Sequential Recommender with Large Language Models for Joint Video and Comment Recommendation

Created by
  • Haebom

作者

Bowen Zheng, Zihan Lin, Enze Liu, Chen Yang, Enyang Bai, Cheng Ling, Wayne Xin Zhao, Ji-Rong Wen

概要

本稿では、オンラインビデオプラットフォームでビデオとコメントの相互作用の両方を考慮した新しい推奨システムLSVCRを提案します。 LSVCRは順次推薦(SR)モデルを主要推薦バックボーンとして使用し、追加の大規模言語モデル(LLM)を補助推薦機として活用します。 2つのモデルの強みを統合するために、パーソナライズされた好みのアライメントと推奨指向の微調整の2つの段階で構成されるトレーニングコースを提示します。実験の結果、ビデオとコメントの推薦作業の両方でLSVCRの効果が実証され、KuaiShouプラットフォームでのA / Bテストでコメントの視聴時間が4.13%向上したことを確認しました。 LLM は配備フェーズでは除外されます。

Takeaways、Limitations

Takeaways:
ビデオとコメントの相互作用を統合して、ユーザーの好みをより正確にモデル化できることを示しています。
順次推薦モデルとLLMを組み合わせることで推薦性能を向上させる効果的な方法を提示
実際のプラットフォーム(KuaiShou)でのA/Bテストにより実用的な効果を検証。
コメント視聴時間の増加という明確な成果の導出。
Limitations:
LLMを補助的に使用し、展開段階から除外することで、LLMの可能性を完全に活用できない可能性があります。
KuaiShouプラットフォームの特徴に合わせて開発されたため、他のプラットフォームへの一般化の可能性に関するさらなる研究が必要です。
LLMの使用による演算コストの増加と効率の低下の可能性
👍