论文题目：Chat-REC: Towards Interactive and Explainable LLMs-Augmented Recommender System$^{[1]}$

论文来源：Arxiv2023

一、Motivation

• 传统的推荐方法缺少交互性和可解释性，以及缺乏反馈机制，这也妨碍了他们在真实场景中的应用；
• 现有的推荐方法面临冷启动的问题，在面对新用户和新商品的时候会存在无法很好的推荐的问题；
• 本文只是提出一种框架，不需要训练模型；

二、Model

该模型框架输入由多个部分组成，包括用户信息，商品信息，用户的交互历史，对话信息，通过与GPT进行对话来完成推荐；

从上图可以看出，其可以完成个性化推荐，并且给出合理的解释；

从上图可以看出，其可以缓解冷启动的问题；

从上图可以看出，该方法还可以缓解跨域带来的推荐问题；

三、Data&Experiments

MovieLens 100K

四、Performance

从上面两张表可以看出其已经可以超过一些经典的推荐模型了，这还是在完全没有训练的（Fine-tune）的情况下的效果；

五、Ablation Study

六、Conclusion

从论文的整体表述来看使用大规模语言模型来进行推荐还处在探索阶段，如何利用这一信息是未来一个比较重要的研究方向；

七、References

[1] Gao Y, Sheng T, Xiang Y, et al. Chat-REC: Towards Interactive and Explainable LLMs-Augmented Recommender System[J]. arXiv preprint arXiv:2303.14524, 2023.