[論文レビュー] Towards Next-Generation LLM-based Recommender Systems: A Survey and Beyond

Qi Wang, Jindong Li+8 more|arXiv (Cornell University)|Oct 10, 2024

Semantic Web and Ontologies被引用数 9

ひとこと要約

この論文は、LLMベースの推奨システムの三層分類—Representing and Understanding, Scheming and Utilizing, and Industrial Deploying—を提案し、LLMを推奨システムに統合する際の開発、課題、産業のギャップについて論じる。

ABSTRACT

Large language models (LLMs) have not only revolutionized the field of natural language processing (NLP) but also have the potential to bring a paradigm shift in many other fields due to their remarkable abilities of language understanding, as well as impressive generalization capabilities and reasoning skills. As a result, recent studies have actively attempted to harness the power of LLMs to improve recommender systems, and it is imperative to thoroughly review the recent advances and challenges of LLM-based recommender systems. Unlike existing work, this survey does not merely analyze the classifications of LLM-based recommendation systems according to the technical framework of LLMs. Instead, it investigates how LLMs can better serve recommendation tasks from the perspective of the recommender system community, thus enhancing the integration of large language models into the research of recommender system and its practical application. In addition, the long-standing gap between academic research and industrial applications related to recommender systems has not been well discussed, especially in the era of large language models. In this review, we introduce a novel taxonomy that originates from the intrinsic essence of recommendation, delving into the application of large language model-based recommendation systems and their industrial implementation. Specifically, we propose a three-tier structure that more accurately reflects the developmental progression of recommendation systems from research to practical implementation, including representing and understanding, scheming and utilizing, and industrial deployment. Furthermore, we discuss critical challenges and opportunities in this emerging field. A more up-to-date version of the papers is maintained at: https://github.com/jindongli-Ai/Next-Generation-LLM-based-Recommender-Systems-Survey.

研究の動機と目的

• 推奨システムコミュニティの観点から、LLMsが推奨システムをどのように強化できるかを説明する。
• LLMベースの推奨研究と実践を整理するための三層分類を提案する。
• 学術研究と産業導入のギャップを含む課題と機会について論じる。

提案手法

• 既存文献をレビューし、NLP中心の分類を超える統一的な視点を統合する。
• LLMベースの推奨システムの形式的表記フレームワークを導入する。
• 内在的な三層分類を定義し、それの構成要素を代表的な研究で示す。

Figure 1. An overview of the proposed three-tier taxonomy for LLM-based recommender systems: (a) representing and understanding, (b) scheming and utilizing, and (c) industrial deploying.

実験結果

リサーチクエスチョン

• RQ1 推定システムコミュニティの視点から、LLMsは推奨タスクをどのように改善できるか？
• RQ2 研究から産業導入までのLLMベースの推奨システムの発展を捉える包括的な分類は何か？
• RQ3 学術研究と産業応用を橋渡しする際の主要な課題と機会は何か？

主な発見

• LLMベースの推奨システムを表現・利用・展開するための三層分類が提案されている。
• 本調査は、LLM-Recs領域における学術研究と産業導入の区別を強調している。
• 本論文は、表現、設計、そして展開における課題と機会を論じている。

Figure 3. The general pipeline of LLM-based recommender systems.