记得给 “应用机器学习” 添加星标，收取最新干货
2024年5月18日，CCF联合阿里妈妈正式发布“CCF-阿里妈妈科技袋基金”（以下简称科技袋基金），并在YEF 2024大会举行了第一期大模型方向的课题宣讲和解读。该基金致力于面向全球高校学者搭建产学研合作平台，增强学术界和工业界的融合交流，探索新一代人工智能的算法、模型与关键技术，为社会和企业带来世界领先的创新成果。
推荐系统在阿里妈妈展示广告这种信息流场景中起到重要作用。传统的推荐系统旨在根据用户在界面的行为历史来捕获协同信号，分析用户需求，预测用户感兴趣的商品。然而推荐系统天然存在两个问题：1）由于用户只会与推荐系统推荐的结果产生交互，导致推荐系统存在信息茧房问题；2）推荐系统依赖用户历史行为，对于新商品与长尾商品建模困难。大语言模型（LLM）具有丰富的通用知识，能够基于其强大的语义理解能力和推理能力分析用户行为，预测用户偏好，是解决以上两个问题的有潜力方案。
召回旨在从大量候选集中快速选择相关结果，是推荐系统中决定推荐性能上限的关键部分。然而，现有的大模型召回方案存在以下关键问题：1）用户兴趣建模难。现有工作基于用户交互历史捕捉复杂的深度用户兴趣表示，缺乏自然语义，可解释性差。同时，现有的兴趣建模方法忽视了用户长期兴趣、需求、目标的建模。2）冷启动推荐难。由于推荐系统主要依赖场景协同信号来训练模型，然而在实际应用中推荐系统面临缺乏足够的训练数据与交互记录的冷启动问题。在冷启动推荐场景中，利用大模型难以处理大量候选集并选择与用户最匹配的推荐结果。3）长尾商品建模难。长尾商品由于与用户交互频率低，导致对应的用户商品交互数据稀疏。基于协同信号的推荐模型受此影响更倾向于推荐热门商品，导致长尾商品更难以出现在推荐列表中。综上所述，本项目旨在研究大模型解决以上召回方法的关键问题，以求补充或替换电商场景中的召回核心模块，从而提升推荐系统的推荐能力。
END
