WSDM'2024|: ID+Modality. 大模型(LLMs)辅助基于内容的多模态推荐系统 LLMRec: Large Language Models with Graph Augmentation for Recommendation Paper:https://arxiv.org/pdf/2311.00423.pdfCode:https://github.com/HKUDS/LLMRec 一. 背景问题和解决思路 1.1 多模态推荐背景 多模态推荐系统引入多种辅助内容,...
网址:https://www.wsdm-conference.org/2024/accepted-papers/ 其中推荐系统相关论文三十余篇,下文列举了部分论文的标题以及摘要,更多内容欢迎关注公众号【深度学习推荐算法】 1、Mixed Attention Network for Cross-domain Sequential Recommendation(卡耐基梅隆,快手)【跨域序列推荐的混合注意力网络】 在现代推荐系统中,顺...
2024 年,小红书技术团队联合数据挖掘顶会WSDM(ACM International Conference on Web Search and Data Mining),共同发起「WSDM Cup 2024 : 对话式多文档问答挑战赛」,期待各位技术豪杰前来挑战! 本次挑战赛采取线上参与形式,组委会将提供一系列与真实世界数据相关的文档,并根据模型在语义和词汇相关性方面的表现来评估。
WSDM 2024 | 系统探究适配器微调对于可迁移推荐的影响 本文对基于适配器的可迁移推荐系统进行了实验探索和深入研究。发现在文本推荐方面,基于适配器的可迁移推荐取得了有竞争力的结果;在图像推荐方面,基于适配器的可迁移推荐略落后于全量微调。后续本文对四种著名的适配器微调方法进行了基准测试,并深入研究了可能影响适配...
本文对基于适配器的可迁移推荐系统进行了实验探索和深入研究。发现在文本推荐方面,基于适配器的可迁移推荐取得了有竞争力的结果;在图像推荐方面,基于适配器的可迁移推荐略落后于全量微调。后续本文对四种著名的适配器微调方法进行了基准测试,并深入研究了可能影响适配器微调在推荐任务中的几个关键因素。
为了应对这些挑战,基于大模型(LLMs)的推荐系统逐渐崭露头角。 大模型(LLMs)是指具有庞大参数规模的深度学习模型,如GPT-3、BERT等。它们具有强大的文本处理能力,可以处理大量的文本数据,并从中提取有用的信息。在推荐系统中,大模型可以帮助我们更好地理解和分析用户的行为和兴趣,从而为用户提供更准确的推荐。 然而...
智能感知与物联网技术研究所 2024-03-03 22:00 山西 本文对基于适配器的可迁移推荐系统进行了实验探索和深入研究。发现在文本推荐方面,基于适配器的可迁移推荐取得了有竞争力的结果;在图像推荐方面,基于适配器的可迁移推荐略落后于全量微调。后续本文...
今天给大家分享一篇香港大学Data Intelligence Lab发表在WSDM2024上oral presentation的论文:“LLMRec: Large Language Models with Graph Augmentation for Recommendation”。作者提出了三种基于LLMs的异质图数据增强范式,包括1)交互边的增强;2) 有基础...
去噪则是分别针对增强的边和特征来进行drop和masked auto-encoder的操作。实验在真实的基于内容的推荐系统数据集上进行(Netflix, MovieLens),数据集与代码均已开源。目前LLMRec已经被WSDM2024录取接收为oral presentation. 论文题目: LLMRec: Large Language Models with Graph Augmentation for Recommendation 论文链接: ...
Github开源地址:https://github.com/zhangzhao219/WSDM-Cup-2024 方案简介 对话式问答旨在根据对话中识别的用户意图生成正确且有意义的答案,在现代搜索引擎中发挥着至关重要的作用和对话系统。 然而,这仍然具有挑战性,特别是对于当前或趋势主题,因为在语言模型的训练阶段无法获得及时的知识。 尽管提供多个相关文档作为上...