华为探索与应用大模型在推荐系统中

来自华为诺亚方舟实验室的王奕超教授今天为我们分享了他关于大语言模型在推荐系统中的探索与应用。本次分享将从数据、模型以及流程三个方面进行详细阐述，并向大家介绍了华为在推荐系统领域实施的两个关键项目。通过这些具有前瞻性研究的应用实践，在提升推荐系统的性能表现和个人用户体验方面取得了积极进展。特别地，在回答用户推理知识构建、特征交互以及在线服务流程的相关技术问题时展现出了深厚的理论功底和实践经验。

主要内容包括以下几大部分：

背景和问题

LLM4Rec 探索及应用

挑战和展望

---

01

背景和问题

1. 推荐系统

以一个具体的例子为例：电影推荐系统。其输入主要由用户的交互行为构成；例如点击或观看过的电影。这些行为揭示了用户的偏好；此外,物品的信息特征包括它们的年代、类别以及演员等属性信息,同时包含有关用户的某些属性数据；基于上述输入数据与当前用户的上下文需求（例如电影排行榜单、时间以及地点等）进行综合分析,从而生成相应的评分建议。

2. 大语言模型

![](htt