《大模型推荐系统:算法原理、代码实战与案例分析》主要分为3 部分。第1 部分简单介绍大模型相关技术,包括大模型的预训练、微调、在线学习、推理、部署等。第2 部分将大模型在传统推荐系统中的应用抽象为4 种范式——生成范式、预训练范式、微调范式、直接推荐范式,并对每种范式给出算法原理说明、案例讲解和代码实现...
我个人比较喜欢这本书中的框架,将大模型在推荐中的应用分为生成范式、预训练范式、微调范式、ICL推荐范式,这4种范式是将大模型应用到推荐中的核心方法,值得每个想从事推荐系统的人深入学习的。 另外,本书在电商行业中的案例也非常出彩,基本覆盖了大模型在电商推荐中的核心应用场景,非常具有现实指导价值。
第2部分将大模型在传统推荐系统中的应用抽象为4种范式――生成范式、预训练范式、微调范式、直接推荐范式,并对每种范式给出算法原理说明、案例讲解和代码实现。 第3部分以电商场景为例,讲解大模型在电商中的7种应用,包括生成用户兴趣画像、生成个性化商品描述信息、猜你喜欢推荐、关联推荐、冷启动问题、推荐解释和对话...
《大模型推荐系统:算法原理、代码实战与案例分析》主要分为3 部分。第1 部分简单介绍大模型相关技术,包括大模型的预训练、微调、在线学习、推理、部署等。第2 部分将大模型在传统推荐系统中的应用抽象为4 种范式——生成范式、预训练范式、微调范式、直接推荐范式,并对每种范式给出算法原理说明、案例讲解和代码实现...