ELMRec：让LLM推荐模型感知高阶交互
热点事件持续更新
ELMRec：让LLM推荐模型感知高阶交互
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Xinfeng Wang等作者提出ELMRec，通过增强whole-word embedding让LLM理解用户-物品之间的图结构高阶交互，且无需图预训练。作者称该模型在直接推荐和序列推荐上均优于现有SOTA方法，论文已被EMNLP 2024 Main接收。 研究还发现，LLM倾向于依据用户早期交互而非近期交互来推荐物品，作者据此提出重排序方案，作为对上述偏好的修正。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
ELMRec：增强 LLM 推荐模型的高阶交互感知能力报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.CLELMRec：增强 LLM 推荐模型的高阶交互感知能力
针对现有 LLM 推荐方法忽视或无法有效建模用户-物品高阶交互的问题，研究者提出 ELMRec，通过增强 whole-word embedding 让 LLM 理解图结构交互，且无需图预训练。研究还发现 LLM 倾向依据用户早期交互而非近期交互推荐物品，并提出重排序方案。ELMRec 在直接推荐和序列推荐上均优于 SOTA 方法，论文已被 EMNLP 2024 Main 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。