कैटलॉग-नेटिव एलएलएम: सिफारिश के लिए कम उलझन के साथ आइटम-आईडी बोली बोलना
Author
Venue
आईसीएलआर 2026
Abstract
जबकि सहयोगात्मक फ़िल्टरिंग पूर्वानुमानित सटीकता और दक्षता प्रदान करता है, और लार्ज लैंग्वेज मॉडल (एलएलएम) अभिव्यक्तिपूर्ण और सामान्यीकरण योग्य तर्कसंगतता को सक्षम करते हैं, आधुनिक अनुशंसा प्रणालियों को इन शक्तियों को एक साथ लाना चाहिए। प्राकृतिक-भाषा संबंधी क्वेरीज़ और पारदर्शी व्याख्याओं जैसी बढ़ती उपयोगकर्ता अपेक्षाएँ, एकीकृत दृष्टिकोण की आवश्यकता को और उजागर करती हैं। हालाँकि, ऐसा करना आसान नहीं है। सहयोगात्मक संकेत अक्सर टोकन-कुशल होते हैं लेकिन अर्थगत रूप से अस्पष्ट होते हैं, जबकि एलएलएम अर्थगत रूप से समृद्ध होते हैं लेकिन केवल पाठ्य इनपुट पर प्रशिक्षित होने पर निहित उपयोगकर्ता वरीयताओं को मॉडल करने में संघर्ष करते हैं। यह पेपर आइटम-आईडी + प्राकृतिक-भाषा मिश्रण-ऑफ-एक्सपर्ट्स भाषा मॉडल (आईडियोमोए) पेश करता है, जो आइटम इंटरैक्शन इतिहास को भाषा क्षेत्र के भीतर एक मूल उपभाषा के रूप में मानता है, जिससे सहयोगात्मक संकेतों को प्राकृतिक भाषा की तरह ही समझा जा सकता है। प्री-ट्रेन्ड एलएलएम के प्रत्येक ब्लॉक के फीड फॉरवर्ड नेटवर्क को एक अलग टेक्स्ट एक्सपर्ट और टोकन-टाइप गेटिंग के साथ एक आइटम एक्सपर्ट में विभाजित करके, हमारी विधि टेक्स्ट और कैटलॉग मोडालिटीज़ के बीच विनाशकारी हस्तक्षेप से बचती है। IDIOMoE सार्वजनिक और स्वामित्व वाले दोनों डेटासेट पर मजबूत सिफारिश प्रदर्शन का प्रदर्शन करता है, साथ ही प्री-ट्रेन्ड मॉडल की टेक्स्ट समझ को बनाए रखता है।
