基于个性化Prompt的推荐：推荐系统和NLP的跨界融合
基于个性化Prompt的推荐：推荐系统和NLP的跨界融合
2024年8月20日修改
附件不支持打印
今天分享Arxiv一篇最新的期刊工作：Personalized Prompt Learning for Explainable Recommendation[1]。这篇工作主要是研究基于个性化提示学习的可解释推荐，是作者在其发表在ACL2021工作 Personalized Transformer for Explainable Recommendation[2]基础上的延续，引入了提示学习和预训练模型到推荐理由生成任务上，是NLP和推荐系统的又一次"跨界融合"。
我在以前的文章分享过：Recsys'21 | 浅谈推荐系统如何在NLP的肩膀上前进，可以看到NLP研究进展如何深远的影响着推荐系统的研究。可以说很大程度上推荐系统的发展是在NLP的肩膀上前进的。且在文章的结尾留下了1个问题：我们看到的大多是单向影响，即：起步较早的领域深度影响着新兴领域，那么是否存在反哺的现象呢？例如：推荐系统社区是否有反哺NLP社区呢？
那么这篇文章也算是对这一问题的回答之一。虽然文章的主要场景是可解释推荐，但实际是NLG自然语言生成，借鉴了推荐系统的特点。即：推荐系统自己独特的"个性化以及核心思想“协同过滤”在NLP领域的应用。这篇文章算是我们朝着这个目标迈出的一小步，能够很好地推动推荐系统和NLP的跨界融合。
btw, 大模型和NLP/搜索推荐等结合的场景非常火，如果想更深入的学习大模型原理和实践等，推荐深蓝学院的这门课程：
附件不支持打印
加载失败，
会带你深入了解LLM工作原理，学习如何利用Transformer与GPT从0到1制作自己的mini-ChatGPT，推荐学习下。
附件不支持打印
加载失败，