仙居建设规划局网站b站推广入口2023

原文链接

字节前几天2024年9年19日公开发布的论文《HLLM：通过分层大型语言模型增强基于物品和用户模型的序列推荐效果》。

文字、图片、音频、视频这四大类信息载体，在生产端都已被AI生成赋能助力，再往前一步，一定需要一个更强势的、更有效率的推荐分发机制。因为只有分发到位，才会激发更多的供给生产…

传统推荐

传统的推荐项目是将user与item转换为ID并创建对应的embedding table，在得到向量后，可以基于item进行推荐和基于user进行推荐，目前常用的还有单塔和双塔模型等。

在提取制作item embedding table方面，可以提取物品中文描述的关键词，然后再把关键词转换为词向量来代表物品，随着深度学习的发展，提取关键词再转为向量的过程逐渐被LSTM或Bert等具备语言能力的序列模型代替，现在更有M3E等专门把自然语言转换成稠密向量的模型。而LLMs具备强大的语义理解能力，所以大厂自然把转向量的思路往大模型的方向靠近。

使用大模型进行推荐

大模型分为 Item LLM 和 User LLM，两者参数并不共享，直接基于已经预训练好的LLMs进行文本到向量的转换。

Item LLM：使用 item 的描述作为输入，例如：Title、Tag、Description，最后再加上一个特殊 token [ITEM]，特殊token对应输出代表该 item 的 embedding

User LLM：输入是用户历史行为（浏览、加购、成交）的交互序列，输入序列中每个embedding就来自于 Item LLM 的输出。由于输入并非文本token，所以对于User LLM会去除预训练模型的 word embedding

那么大模型的优化是通过next token prediction进行优化的，但是现在的输入不再是word embedding，该怎么做呢？其实很简单，我们不看大模型的输入与输出，只利用大模型的主体框架，把它看成一个普通的序列生成模型或者判别模型就好。

序列生成模型：我们在app上实际购物浏览是，行为是有顺序的，对于某个物品$E_i$模型输出的$E_{i+1}^{{}^{\prime }}$是正样本，在序列的尾端就是预测你下一步要浏览的物品，我可以随机抽取的其他物品为负样本，将对比学习的InfoNCE作为预测next token的损失函数。

判别模型：其实就是目前最常用的单塔与双塔模型，目标是二分类。单塔模型将用户历史浏览的物品embedding（$E_1-E_n$，由Item LLM生成）依次输入，然后拼上一个待预测物品，让模型预测用户是否会购买这个物品。双塔模型是使用用户历史浏览物品生成一个USER用户向量，然后再使用这个用户向量与目标物品向量进行打分预测。

在实际应用中，使用双塔模型更多一些，因为会有一个稳定的中间量即用户向量可以储存，计算效率更高。单塔模型可以动态抽取实时浏览数据进行预测，效果更好但是计算效率低。

实验结论

字节提出的 Hierarchical Large Language Model（HLLM）网络架构，通过训练Item LLM与User LLM，通过实验表明在公开数据集上显著超越 ID-based方法，并呈现了Scaling Law特性。在抖音落地，A/B实验显示在重要指标上增长0.705%。其下是一些模型指标：

• 采用 [ITEM] token 提取 embedding比mean pooling方法好
• Item LLM 采用Tag + Title + Description = length 256比其短的效果更好
• 输入用户序列长度采用length=50相比其他短的会更好
• 工业场景下Item LLM和User LLM采用7B更好比其小的更好，User LLM输入长度采用1k比其短的更好