【IJCAI2024教程】大语言模型（LLMs）时代的推荐系统

鉴于信息量的爆炸性增长，推荐系统已成为在线活动中不可或缺的服务之一，能够有效地帮助用户找到他们感兴趣的内容或目标购买的产品，从而提升用户参与度和满意度。尽管在过去的几年中，得益于深度学习的进步，推荐方法得到了极大的发展，但它们仍然面临着几个限制。现有的方法可能难以有效理解和捕捉文本的旁信息，难以泛化到各种推荐场景，并在其预测中进行推理。最近，大语言模型（LLMs）的出现彻底改变了自然语言处理（NLP）领域，因为它们具有卓越的语言理解和生成能力。更令人印象深刻的是，它们能够通过推理来解决复杂问题，并且可以轻松泛化到新的领域或任务。这样的能力为解决现有推荐方法中的上述限制提供了机会，这使得基于LLM的推荐系统成为未来一个有前景的研究领域。为此，在本教程中，我们旨在从预训练、微调和提示等各个方面提供关于基于LLM的推荐系统的最新进展的全面概述。这预计将帮助AI社区中相关领域的研究人员和工业实践者获得对基于LLM的推荐系统的总体理解，并为他们提供新的想法以进行更多令人兴奋的研究。 我们的综述论文：《大语言模型（LLMs）时代的推荐系统》 我们的幻灯片：第一部分，第二部分 教程网站：https://advanced-recommender-systems.github.io/LLMs4Rec-IJCAI/ 本教程的主题包括但不限于以下内容：

• 基于LLM的推荐系统简介
• 推荐系统和LLM的基础知识
• 基于LLM的推荐系统的预训练
• 基于LLM的推荐系统的微调
• 基于LLM的推荐系统的提示
• 维度交互及未来方向