A Survey of Generative Search and Recommendation in the Era of Large Language Models
发布时间
阅读量：
阅读量
本文是LLM系列文章，针对《A Survey of Generative Search and Recommendation in the Era of Large Language Models》的翻译。
大型语言模型时代的生成式搜索与推荐综述
- 摘要
- 1 引言
- 2 传统范式
- 3 用于搜索和推荐的生成式范式
- 4 生成式搜索
- 5 生成式推荐
- 6 讨论
- 7 结论
摘要
随着 Web 上的信息爆炸式增长，搜索和推荐是满足用户信息需求的基础设施。作为同一枚硬币的两面，两者都围绕着同一个核心研究问题，将查询与文档匹配，或将用户与项目匹配。近几十年来，搜索和推荐经历了同步的技术范式转变，包括基于机器学习和基于深度学习的范式。近年来，超智能生成式大语言模型在搜索和推荐方面引发了一种新的范式，即生成式搜索（检索）和推荐，旨在以生成方式解决匹配问题。在本文中，我们对信息系统中新兴的范式进行了全面调查，并从统一的角度总结了生成式搜索和推荐的发展。我们不是简单地对现有作品进行分类，而是为生成范式抽象出一个统一的框架，并将现有工作分解为该框架内的不同阶段，以突出其优点和缺点。然后，我们将生成式搜索和推荐与其独特的挑战区分开来，确定未解决的问题和未来的方向，并设想下一个信息搜索范式。
1 引言
2 传统范式
3 用于搜索和推荐的生成式范式
4 生成式搜索
5 生成式推荐
6 讨论
7 结论
弥合两个匹配实体之间的语义差距是搜索和推荐中一个基本且具有挑战性的问题。在这项调查中，我们概述了旨在从统一角度解决这一核心研究问题的三种范式。我们主要关注最近的搜索和推荐生成范式，称为生成式搜索和推荐。我们全面概述了生成式搜索和推荐的统一框架，并讨论了该框架内的当前研究贡献。除了对当前工作进行分类外，我们还提供了对生成范式的宝贵见解，包括对各种设计的优缺点的分析，例如不同的标识符、训练方法和推理方法。通过采用统一的搜索和推荐视图，我们强调了生成式搜索和推荐的共性和独特挑战。此外，我们还对下一个信息搜索范式的未来前景以及该领域的开放问题进行了深入讨论。
全部评论 (0)
还没有任何评论哟~