百度推出LLMRec框架，用大语言模型打造图增强推荐系统

推荐系统需要理解用户偏好，不仅要分析历史交互行为，还需整合与用户和内容相关的丰富辅助信息。现代推荐系统如Netflix利用内容属性、用户画像和多模态特征，这些特征提供了刻画用户偏好的多种方式。然而，这些方法面临数据稀疏性和冷启动问题，导致数据噪声、数据异质性和数据不完整性。数据噪声会引入无效信息，影响模型的学习效果。数据异质性会导致偏斜分布，影响模型的准确性。数据不完整性会削弱模型捕捉用户和内容特

江湖人称麻花滕

1105人浏览 · 2024-11-05 20:28:13

江湖人称麻花滕 · 2024-11-05 20:28:13 发布

Introduction

为了解决这些问题，我们提出了 LLMRec，结合三种策略增强交互图：i) 加强用户-内容交互边，ii) 提升内容属性建模，iii) 构建用户画像。为解决前两个问题，我们设计了一种基于LLMs的贝叶斯个性化采样算法，以及去噪数据增强机制。我们的方法已在真实世界数据集上进行评估，显示出优越性能。

Methodology

LLMs as Implicit Feedback Augmentor

面对隐式反馈的稀缺性，我们利用LLM作为知识感知的采样器，从自然语言角度采样用户-内容对的训练数据。这增加了潜在的有效监督信号，并通过整合上下文知识来更好地理解用户偏好。

具体地，我们将每个用户的 「历史交互内容」（例如，年份，类型）与内容候选集以及辅助信息一起输入到LLM中。LLM 然后期望从中选择用户可能会喜欢（）或不喜欢（）的内容。从推荐引擎（例如，MMSSL，MICRO）推荐的有限候选集中选择内容，这些候选内容是难以预测的样本，具有高预测值，以提供潜在的有价值的正样本和难以预测的负样本。增强用户-内容交互并将其纳入训练数据的过程可以形式化为：

其中是基于输入提示由LLM从用户的候选集中选择的正样本和负样本。

增强后的数据集包含成对的训练三元组。文本用户-内容增强提示包含不同的组件：i) 任务描述，ii) 历史交互，iii) 候选内容，iv) 输出格式描述。

在此背景下，(i) 「虚假正样本」 是不可靠的用户-内容交互，包括用户无意中的点击或受流行性偏差影响的情况；(ii) 「虚假负样本」 由非交互内容表示，这些内容不一定表明用户不喜欢，但通常被视为负样本。通过利用LLM作为隐式反馈增强器，LLMRec 通过利用LLM的卓越推理能力及其知识支持，能够获得更具有意义和信息性的样本。

LLM-based Side Information Augmentation

User Profiling & Item Attribute Enhancing

利用知识库和LLM的推理能力，我们提出通过用户历史交互和物品信息来总结用户画像，以克服隐私限制。此外，基于LLM的物品属性生成旨在创建统一且信息丰富的物品属性。我们的基于LLM的辅助信息增强范式包括两个步骤：

**「用户/内容信息精炼」**通过从数据集的交互和辅助信息中衍生的提示信息，我们利用大语言模型（LLM）生成用户和内容属性，这些属性原本并不包含在数据集中。具体示例如图所示。

「LLM增强的语义嵌入」 表示 LLM 增强的用户和内容特征，其中是 LLM 的隐藏维度。其中和分别用于用户和内容的属性精炼，和表示生成的文本属性，将使用嵌入能力编码为特征。

Side Information Incorporation

在获得增强的用户/内容辅助信息后，需要有效的整合方法。LLMRec 包括一个标准流程：（1）增强语义投影，（2）协作上下文注入，和（3）特征整合。如下：

「增强语义投影」使用带有dropout的线性层减少LLM增强语义特征的维度，并将这些特征映射到它们自己的空间：

「协作上下文注入」使用轻量级GNNs作为编码器，将高阶协作连接性注入到增强特征中，以增强特征的语义信息。

「语义特征整合」将增强特征视为添加到ID嵌入中的额外组合，使用缩放因子和归一化调整影响：

用户画像是，去偏的内容属性是，原始多模态辅助信息是。我们使用聚合权重和归一化来调整特征向量，以缓解分布差距，确保附加特征在推荐引擎编码器中的有效性。

Training with Denoised Robustification

Augmented Optimization with Noise Pruning

我们利用联合集来训练推荐引擎，目标是通过增强监督信号来优化 BPR 损失，旨在提升推荐引擎的性能：

三元组从联合训练集中选择。增强数据集是整体 LLM 生成数据的子集，通过采样获得。噪声修剪通过在每次迭代中丢弃最大的值来增强增强数据的有效性，即在每次迭代中对每个值进行排序后，丢弃最大的值，形式上，带噪声修剪的目标重写如下：

其中。

Enhancing Augmented Semantic Features via MAE

我们使用Masked Autoencoders (MAE)来减轻嘈杂扩充特征的影响，进行特征增强。我们选择节点子集，并使用掩码标记 [MASK] 其特征，记作。经过mask操作后的augmented特征记作。我们通过对比mask属性矩阵与原始augmented特征矩阵，引入特征恢复损失，并带有缩放因子。恢复损失函数的公式如下：

最终优化目标是将噪声修剪的BPR损失和特征恢复损失进行加权和。

Datasets.

我们使用公开可用的数据集进行实验，即Netflix和MovieLens，其中包含多模态的辅助信息。

Performance Comparison

表比较了我们提出的LLMRec 方法与基线方法。

「整体模型优越性能」。我们的LLMRec 在显式增强用户-物品交互边和提升辅助信息质量方面优于基线方法。这一改进突显了我们模型的优势和框架的优势。

「辅助信息整合的有效性」。辅助信息的整合显著增强了推荐引擎的能力。方法如MMSSL和MICRO因其有效利用多种模态的辅助信息和GNNs而表现出色。相比之下，仅使用有限内容的方法如VBPR和CF架构如NGCF，其结果显著降低。这突显了有价值内容的重要性。

「不准确的增强导致有限的收益」。现有的方法如LATTICE、MICRO等利用辅助信息进行数据增强，但其表现提升有限。这可以归因于两个主要原因：(1) 用同质关系增强辅助信息可能会引入噪声，从而影响用户偏好的精确性。(2) 这些方法通常不直接增强用户-物品交互数据，而是通过间接方式。

「优于SSL方法的优势」。自监督模型如MMSSL和MICRO在通过SSL信号解决稀疏性方面表现出希望，但其性能未超过我们的LLMRec。我们通过直接建立BPR三元组明确解决了训练数据的稀缺性。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述