6月20日、cs updates on arXiv.orgで「推薦のための大規模言語モデルに関する調査(A Survey on Large Language Models for Recommendation)」と題した記事が公開された。この記事では、大規模言語モデル（LLM）が推薦システムに与える影響について詳しく紹介されている。以下に、その内容を簡潔にまとめて紹介する。
大規模言語モデルは、自然言語処理（NLP）の分野で強力なツールとして登場し、最近では推薦システムの分野でも注目を集めている。これらのモデルは、大量のデータを自己監視学習を通じて訓練し、普遍的な表現を学習することに成功している。LLMは、高品質なテキスト特徴の表現を利用し、外部知識の広範なカバレッジを通じてアイテムとユーザー間の相関関係を確立する能力を持つため、推薦システムのさまざまな側面を強化する可能性がある。
この記事は、既存のLLMベースの推薦システムを包括的に理解するための分類法を提示している。この分類法では、モデルを「識別的LLMによる推薦（DLLM4Rec）」と「生成的LLMによる推薦（GLLM4Rec）」の二つの主要なパラダイムに分類している。特に後者については、体系的に整理されている。
また、各パラダイム内の既存のLLMベースの推薦システムを体系的にレビューし、手法、技術、性能について分析を行っている。さらに、研究者や実務者にとってのインスピレーションとなるような、いくつかの重要な課題と貴重な発見を特定している。
具体的な内容として、以下の点が挙げられる：
大規模言語モデルの役割：
- 高品質なテキスト特徴の表現を活用。
- 外部知識の広範なカバレッジ。
推薦システムの強化：
- 転移学習技術（ファインチューニングやプロンプトチューニングなど）を使用。
分類法の提示：
- 識別的LLM（DLLM4Rec）と生成的LLM（GLLM4Rec）。
既存システムのレビューと分析：
- 手法、技術、性能の分析。
- 重要な課題と貴重な発見の特定。
詳細は[A Survey on Large Language Models for Recommendation」を参照していただきたい。
