一文梳理推荐系统如何应用大模型
问题导读：1、大模型推荐系统背景和问题是什么？
2、何处运用大语言模型？
3、如何运用大语言模型？
4、大模型推荐的挑战和展望有哪些？
今天给大家分享下华为诺亚方舟实验室的talk:《推荐系统如何从大语言模型中取长补短：从应用视角出发》，个人感觉很有信息量，我们组内同学也做过交流分享，相关信息也可以从综述找到："How Can Recommender Systems Benefit from Large Language Models: A Survey"，在此分享给大家。
下面会围绕：背景和问题、何处运用大语言模型(特征工程、特征编码、打分排序、流程控制，共7个代表性工作)、如何运用大语言模型(如何给LLM注入协同信号：微调和不微调，2个代表性工作)、挑战和展望四个部分展开介绍。
1、背景和问题
传统的推荐模型（Conventional Recommendation Model，CRM）往往以Embedding+深度网络为backbone，通过拟合用户反馈信号提升推荐效果。CRM的主要特点是：
[*] 模型相对较小，时间空间开销低；
[*] 可以充分利用用户反馈信号；
[*] 只能利用数据集内的知识；
[*] 缺乏语义信息和深度意图推理。
相对的，大语言模型（LLM）以Transformer为backbone，通过大规模预训练语料和自监督训练提升通用语义理解和生成能力。LLM的主要特点是：
[*] 引入外部开放世界知识，语义信号丰富；
[*] 具备跨域推荐能力，适合冷启动场景；
[*] 用户反馈信号缺失；
[*] 计算复杂度高，难以处理海量样本。
因此，一个核心问题是推荐模型如何从大模型中取长补短，从而提升推荐性能，优化用户体验？
为了解答这一问题，作者从应用角度出发，将该问题进一步拆解为：
[*] 何处运用大语言模型（WHERE to adapt）
[*] 如何运用大语言模型（HOW to adapt）
下面会围绕这两个方面来展开介绍。
2、何处运用大语言模型：WHERE to Adapt
根据现代基于深度学习的推荐系统的流程，作者抽象出以下五个环节：
[*] 数据采集阶段：线上收集用户行为和记录，得到原始数据(raw data)；
[*] 特征工程阶段：对原始数据进行筛选、加工、增强，得到可供下游深度模型使用的结构化数据(structured data)；
[*] 特征编码阶段：对结构化数据进行编码，得到对应的稠密向量表示(neural embeddings)；
[*] 打分排序阶段：对候选物品进行打分排序，得到要呈现给用户的排序列表(recommended items)；
[*] 流程控制：作为中央控制器，把控推荐系统的整体流程。也可以细化到对排序阶段的召回、粗排、精排的控制。
大模型主要可以从特征工程、特征编码、打分排序和流程控制这几个部分来提升推荐系统的表现，对应的最近几年的工作如下图所示：
2.1、特征工程
现有工作中，LLM在特征工程阶段主要发挥如下作用：利用大语言模型的外部通用知识和逻辑推理能力，进行：
[*] 用户理解：利用LLM丰富用户画像，代表工作有GENRE、PALR、NIR等；
[*] 内容理解：利用LLM进行item画像抽取，代表工作有GENRE、OpenRec等；
[*] 样本扩充：利用LLM进行item生成，代表工作有AnyPredict、GENRE等。
代表性工作1：GENRE(PolyU, 2023)
代表性工作GENRE，出自香港理工大学，
同时涉及了用户理解、内容理解和样本扩充三个方向。
GENRE 基于GPT3.5进行新闻推荐：
[*] 内容理解：输入新闻标题、摘要、类目信息，生成简短内容描述；
[*] 用户理解：输入用户历史行为数据，生成用户感兴趣的话题和区域；
[*] 样本生成：对于历史行为数据稀疏的用户，基于少量行为样本生成相似的伪样本，用于扩充用户表征输入。
GENRE框架示意图：基于已生成伪样本增强用户理解，然后再生成更准确的伪样本。
通过prompting增强样本的过程示意：
整体架构：
2.2、特征编码
利用LLM的通用语义信息丰富推荐特征表示：
[*] 增强文本特征(用户表征、物品表征) 表示，代表工作有PLM-NR、UniSeqRep、VQ-Rec、PREC、U-BERT、UNBERT等；
改善基于ID的特征表示的跨场景迁移能力。
代表性工作2：U-BERT(Tencent, AAAI 2021)
代表性工作2：U-BERT: Pre-training user representations for improved recommendation 出自Tencent, AAAI'21，基于大模型进行用户表征学习。
背景：电商推荐系统中如何使用用户和item侧丰富的文本特征
技术方案：
[*] Review Encoder：基于BERT对用户所写的评价进行语义编码；
[*] User Encoder：基于attention网络对review token表征进行聚合；
[*] 两个子任务，rating & MLM。
[*] 输入：用户历史交互行为以及购买后的评价信息;
[*] 预训练阶段
[*] 微调阶段(训练)：增加item侧编码网络，拟合用户反馈数据。
U-BERT预训练阶段：
U-BERT微调阶段：
代表性工作3：UniSRec(Alibaba, KDD 2022)
代表性工作3：UniSRec: Towards universal sequence representation learning for recommender systems，出自RUC&Alibaba, KDD'22，基于item文本信息进行序列模型预训练，实现跨域推荐的目标(inductive learning)。
[*] Universal Textual Item Representation：基于BERT对item文本信息编码，通过MOE Adaptor实现跨越样本的Domain Fusion and Adaptation；
[*] Universal Sequence Representation：基于MHA对序列信息进行聚合；
[*] 预训练阶段：对比学习任务，Sequence-sequence contrastive task & Sequence-item contrastive task；
[*] 微调阶段（新领域）：inductive/transductive，fix parameter加速微调。
此外，KDD2023 Amazon的Text Is All You Need: Learning Language Representations for Sequential Recommendation，也属于该路径下的代表性工作。
2.3、打分排序
打分/排序是推荐系统的核心任务，目标是得到和用户偏好相符的物品(列表)。根据如何得到最终排序列表的形式，作者将大语言模型应用于打分/排序的工作分成以下三种：
[*] 物品评分任务(Item Scoring Task)：大语言模型对候选物品逐一评分，最后根据分数排序得到最终的排序列表；
[*] 物品生成任务(Item Generation Task)：通过生成式的方式生成下一个物品的ID，或者直接生成排序列表；
[*] 混合任务(Hybrid Task)：大语言模型天然地适合多任务场景，因此很多工作会利用大语言模型来实现多个推荐任务，其中包括评分任务和生成任务。
代表性工作4：Google LLM+评分预测任务
代表性工作4：Do LLMs Understand User Preferences? Evaluating LLMs On User Rating Prediction(Google, 2023)
[*] 探究语言模型分别在零样本(Zero-Shot)，少样本(Few-Shot)和微调场景下的评分预测的能力；
[*] 基于用户反馈数据进行LLM微调；
结论：
[*] zero-shot vs statistics：指标基本可比，说明LLM在推荐任务上有一定的zero-shot能力；
[*] zero-shot vs few-shot：few-shot在AUC指标上胜出，说明few-shot有一定的提升作用；
[*] fine-tuned LLM vs 传统模型：AUC胜出，说明LLM有用作推荐模型的潜力。
零样本和少样本prompt示例：
实验结果：
代表性工作5：PALR (Amazon, 2023)
PALR: Personalization Aware LLMs for Recommendation
[*] 利用用户历史交互得到用户画像，然后基于用户画像、历史交互和提前过滤得到的候选集信息生成推荐列表；
[*] 经过指令微调，PALR在公开数据集上显著超过传统推荐模型baseline。
prompt例子：
代表性工作6：P5(Recsys, 2022)
Recommendation as language processing (rlp): A unified pretrain, personalized prompt & predict paradigm (p5)
[*] 用一个统一的大语言模型在不同的推荐任务上进行预训练，针对不同任务使用不同推荐模版；
[*] 用自然语言为桥梁，规范不同推荐场景的输入输出，并在跨域样本上进行预训练，具备新场景下的zero-shot迁移能力。
2.4、流程控制
代表性工作7：RecLLM，Google 2023
Is chatgpt fair for recommendation? evaluating fairness in large language model recommendation
提出了一种使用LLM来集成推荐系统流程各模块(检索、排序、用户画像、用户模拟)的一个对话式推荐系统路线图。
3、如何运用大语言模型
从训练和推理两个阶段出发，作者根据以下的两个维度将现有工作分为四个象限：
[*] 在训练阶段，大语言模型是否需要微调。这里微调的定义包含了全量微调和参数高效微调。
[*] 在推理阶段，是否需要引入传统推荐模型(CRM)。其中，如果CRM知识作为一个预先过滤candidate的作用，则不被考虑在内。
由上图可以发现两个趋势：
[*] 模型：通过引入传统推荐模型（CRM）为语言模型注入协同信号。
[*] 数据：通过引入推荐场景的数据，结合微调技术，为语言模型注入协同信号。
3.1、不微调LLM、引入CRM
研究怎么把推荐模型的信号引入LLM，但是不进行LLM的微调，代表性工作KAR。
代表性工作8：KAR(SJTU, 2023)
Towards Open-World Recommendation with Knowledge Augmentation from Large Language Models.
背景：LLM具备强大的语义理解和推理能力，可以帮助推荐系统完成用户理解（推理能力）和item理解（理解能力)。为此提出了一种利用大语言模型开放知识辅助推荐的通用推荐框架KAR。
难点：
[*] 大语言模型的构成差距问题(Compositional Gap) 无法准确回答复合推理问题，但可以准确回答复合问题的各个子问题；
[*] 用户偏好复杂多面，世界知识混合海量，难以直接生成有效知识。
解法：受因式分解的启发，将开放知识生成问题动态分解为多个关键子因素，按因素分别进行用户兴趣推理和知识提取。
技术方案：
知识推理和生成
[*] 基于推荐场景对于决定用户偏好，动态分解出相应的关键因素，对于用户偏好和物品外部知识分别对大语言模型提问；
[*] 生成相应的兴趣推理知识和物品事实知识文本。
知识适配：
[*] 所生成的文本信息内容复杂多面（500~1000 tokens），且存在噪声和冗余问题，推荐系统无法直接理解和利用
[*] 设计多专家网络进行知识提取、压缩、映射，适配至推荐空间，输出结果鲁棒。
知识利用：
[*] 将所生成的知识增强向量作为额外的特征域，结合原本数据特征，进行特征交互，输出最终结果。
效率问题：预存用户长期兴趣（或向量）和item知识（或向量），LLM不建模用户短期兴趣。
prompt工程：
系统架构：
实验：
总结下方法创新性：
[*] 有效结合大语言模型的通用世界知识与传统推荐系统的领域知识：通过Factorization Prompting，有效激发大语言模型针对用户兴趣
[*] 的推理和知识获取能力，缓解构成差距的问题。
[*] 提出混合多专家网络知识适配器，将语言模型生成的世界知识由语义空间适配至推荐空间，进行降维、噪声处理的同时保存有效信息。
[*] 推理复杂度与传统推荐模型一致。
3.2、微调LLM、引入CRM
研究怎么把LLM和推荐系统模型结合起来，让LLM也能拥有协同信号。代表性工作CTRL。
代表性工作9：CTRL(Huawei, 2023)
CTRL: Connect Tabular and Language Model for CTR Prediction，Huawei 2023
背景：仅使用语言模型进行推荐目前效果不理想，需要通过引入推荐场景的数据，结合微调技术，为语言模型注入协同信号。为此，华为提出了一种对齐语言模型和协同模型的框架CTRL。
具体技术方案：
Prompt construction：通过7个模板把表格数据转换为文本数据。
[*] 用户和物品特征：特征名+连接词+特征值。
[*] 用户历史行为序列：用户的历史类型+动作连接词+历史1|历史2|历史3。
[*] 采用','作为特征之间的分隔符；采用'.'作为用户信息和物品信息的分隔符。
Cross-model Knowledge Alignment：将协同模型和语言模型的知识进行对齐。
[*] 利用对比学习预训练融合两种模态的信息。
Supervised Finetuning：在经过细粒度对比学习预训练之后，两种模态的信息已经进行充分融合。
[*] 使用监督信号使协同模型适配下游任务。
[*] 通过在不同的任务上微调，可以适配不同的推荐任务。
Serving：仅使用更轻量的传统模型进行serving，不会对RT造成影响。
实验：
总结下方法创新性：
[*] 以混合粒度知识对齐的方式，同时建模协同信号和语义信号；
[*] 从数据角度进行双向知识注入，语言模型与推荐模型互相解耦；
[*] 可以单侧推理，推理复杂度低。
4、挑战和展望
4.1、工业应用场景下的挑战
训练效率
[*] 问题：显存用量过大、训练时间过长
[*] 可能解决思路：1. 参数高效微调(PEFT)方案；2.调整模型更新频率（e.g.长短更新周期结合）
推理时延
[*] 预存部分输出或中间结果，以空间换时间；
[*] 通过蒸馏、剪枝、量化等方法，降低推理模型的真实规模；
[*] 仅用于特征工程和特征编码，避免直接在线上做模型推理
[*] 问题：推理时延过高
[*] 可能解决思路：
推荐领域的长文本建模
[*] 问题：长用户序列、大候选集、多元特征都会导致推荐文本过长，不仅难以被大模型有效捕捉，甚至可能会超过语言模型的上下文窗口限制(Context Window Limitation)
[*] 可能解决思路：通过过滤、选择、重构，提供真正简短有效的文本输入
ID特征的索引和建模
[*] 问题：纯ID类特征(e.g. 用户ID)天然不具备语义信息，无法被语言模型理解
[*] 可能解决思路：探索更适合语言模型的ID索引和建模策略
4.2、展望
现有的语言模型在推荐系统中的应用存在以下两个发展趋势：
[*] 突破传统定位，重塑推荐流程：LLM在推荐系统中扮演的角色逐渐突破传统定位，从简单的编码器、打分器逐渐向外延伸，在特征工程，乃至推荐流程控制都发挥重要作用；
[*] 语义协同兼顾，跨域知识融合：需要通过微调大语言模型（数据层面）或引入传统推荐模型（模型层面）的方式来为语言模型注入推荐的域内知识。
LLM未来有可能在推荐系统中发挥重要作用的环节：
[*] 缓解稀疏场景：LLM的zero-shot和few-shot能力可以用于解决冷启动和长尾问题；
[*] 引入外部知识：LLM拥有大量关于Item的世界知识，对于资讯类场景这种通用知识的引入可以大大丰富Item侧的信息；
[*] 改善交互体验：用户可以主动通过交互式界面自由地描述他们的需求，从而实现精准搜索推荐。
作者：蘑菇先生
来源：https://mp.weixin.qq.com/s/3wvh3Xlz1LcUOqJ768uAFw
最新经典文章，欢迎关注公众号http://www.aboutyun.com/data/attachment/forum/201903/18/215536lzpn7n3u7m7u90vm.jpg
页:
[1]