跳到正文
arXiv · cs.AI · Junzhao Huang, Xi Wu, Zihan Wang, Zijing Wang, Ming Wang, Kang Liu, Xiaocui Yang, Shi Feng, Daling Wang, Yifei Zhang, Ting Yang, Xurui Li · 9 小时前模型评分33

PACERec：用协同证据渐进适配 大语言模型（LLM，Large Language Model） 物品嵌入的推荐方法

PACERec: Progressive Adaptation of LLM Item Embeddings with Collaborative Evidence for Recommendation

导读

PACERec 提出一种无 ID 的渐进适配框架，通过频率加权流匹配从交互充足物品中学习共享速度场，把前序交互上下文注入大语言模型（LLM，Large Language Model）物品嵌入，缓解稀疏更新与长尾问题。在三个真实数据集和三种序列骨干上的实验显示，该方法在整体与长尾推荐上均优于竞争基线。

生成六维分析
分类置信度

中 · 待人工复核

  • 只有单一媒体来源，需要人工复核。

来源级别：媒体与个人

事件类型：研究发布

证据摘录

  • “To address this challenge, we propose PACERec, an ID-free progressive adaptation framework that incorporates preceding interaction contexts into semantic representation adaptation by learning a shared velocity field from items with sufficient interactions via frequency-weighted flow matching.”

来源：arXiv · cs.AI · arxiv.org

推理能力数据与训练论文研究#论文/研究#推理#数据/训练