页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「生成式推荐」找到 11 条内容
按专题浏览 →匹配正文：…练，防止错误自举。 学习建议 建议从生成式模型的基本原理入手，结合推荐系统经典架构，多阅读顶会论文（如RecSys、KDD）中关于生成式推荐的最新研究，关注RAG与Agent在实际场景中的应用案例。 参考资料 DPO 原论文 点击反馈的曝光与位置偏差
匹配正文：核心思路 生成式推荐（如基于LLM的推荐）天然适合冷启动，因为它能利用语义信息和世界知识，而非依赖ID embedding。 具体策略 1. 生成式模型的固有优势 用自然语言描述用户意图/场景（如"25岁女生，喜欢露营"）直接生成推荐 无需训练ID embedding，规避了传统模型"没见过用户ID就失效"的问题 2. 可结合的冷启动策略 策略 实现方式 画像引导生成 用注册信息/问卷构建文本画像，作为prompt输入 热门+多样性兜底 生成式模型生成"热门但多样"的候选集，…
匹配正文：基本概念 生成式推荐将推荐任务重新建模为序列生成问题：把用户历史行为、上下文信息编码为Prompt，让模型自回归生成下一个物品的ID或属性，而非传统打分排序。 工作原理 核心流程： 统一Token空间：将用户ID、物品ID、行为类型、时间等离散化为统一词汇表 序列化输入：[BOS] 用户u [SEP] 点击i1 [SEP] 收藏i2 [SEP] 时间t [SEP] → 生成i3 自回归生成：模型学习行为序列的联合分布 P(i₃|u, i₁, i₂, t...) 典型方案： G…
学习内容与项目面试，在同一条路上。