传统推荐系统的定义是将推荐系统定义为一种信息过滤系统。在用户使用产品的过程中，推荐系统通过分析用户的交互行为、兴趣和偏好，为用户提供符合其个性化兴趣偏好的推荐服务。和搜索引擎需要用户给定关键词主动发起搜索请求不同，推荐服务不需要用户给定任何显示的关键词或者主动发起推荐请求，推荐系统会在用户使用产品的过程中，自发主动地迎合用户，提供满足用户需求的内容或服务。
从推荐系统的定义里可以看出，推荐系统中有两个重要的参与主体：用户主体和推荐物主体。推荐系统通过理解推荐物、了解用户完成用户和推荐物的有效链接。这里其实是有一个很重要的前提的，推荐系统作为一个计算机程序，要处理推荐物信息和用户信息，首先需要这两个主体内容的数字化表示。在互联网信息平台，推荐物的数字化一般是由信息生产者完成的，如抖音的短视频是由抖音用户创作生产、淘宝的商品是由卖家维护、美团的店铺和美食是由商家录入。而用户信息的数字化则是由各大互联网平台记录完成的。
ChatGPT是OpenAI发布的一款功能十分强大的聊天机器人，OpenAI的官网将ChatGPT描述为对话语言模型，它通过学习和理解人类的语言来进行对话，还能够根据聊天的上下文进行互动，协助用户完成文本生成、自动摘要、聊天问答，还可以进行撰写邮件、论文、剧本，创作诗歌、故事，甚至写代码、检查程序错误等。
ChatGPT是一种基于Transformer架构的预训练语言模型。它通过在大规模文本数据上进行自监督训练来学习文本的统计特征和上下文关系。在预训练阶段，GPT模型通过预测下一个词的任务来学习语言模型，这使得模型能够理解语言的语法、语义和上下文，从而可以生成连贯的文本句子。此外，ChatGPT还引入RLHF（Reinforcement Learning with Human Feedback），即基于人类反馈的强化学习，对对话任务进行微调和优化。这一步至关重要，通过人类的反馈和调教，使得ChatGPT人工智能模型的生产结果适当、连贯且有意义，可以和人类的常识和价值观保持一致。这也是使得ChatGPT的聊天体验类人化的关键步骤。ChatGPT或者说LLMs（Large Language Models）大火以来，在各个领域都取得了极大的关注，相关的工作层出不穷，同样在推荐系统领域也不例外。目前基于LLM的推荐系统大致可以分为两类：1）判别式LLM推荐系统（DLLM4Rec）；2）生成式LLM推荐系统（GLLM4Rec）。这些模型通过微调和prompt，在学习通用表达方面表现出了异常好的效果，对提升推荐系统各方面的性能大有助益。1. LLM Embeddings + RS：这种范式下将LLM作为特征提取器，LLM提取出的特征作为传统RS模型的输入。这里LLM的输入是推荐物品的特征和用户的特征，输出是相关的embedding表达。2. LLM Tokens + RS：和范式1类似，这种方式是将用户和推荐物品的特征一起输入LLM，通过语义挖掘，学习用户和物品的相关性。3. LLM as RS：这种建模方式直接将LLM模型promt为推荐系统，模型的输入通常包括：画像profile、行为promt以及task instruction。输出直接就是推荐结果。在实际的应用中，不同的语言模型需对应不同的建模范式。通常，判别式语言模型更适合范式1的建模方式，其中，判别式语言模型主要指BERT系列模型。而生成式语言模型更适合范式2和范式3的建模方式。很多实验表明LLMs在zero-shot或者few-shot任务上通常也会有很好的效果，这可以有效地帮助缓解推荐系统中冷启动的问题。而生成式LLMs强大的自然语言生成能力，可以通过文本生成的方式生成推荐理由，提高推荐结果的可解释性。此外，推荐系统领域还有一个分支：对话式推荐系统。对话式推荐系统旨在通过与用户进行自然语言的多轮对话，从用户对话的反馈中识别出用户当下更实时、更精准的偏好，从而为用户提供更精准的服务。在对话式推荐中，推荐系统变被动为主动，与用户进行动态交流来获得用户的“显式反馈”。这里就可以借助ChatGPT，与用户进行简单自然的对话，分析用户对话中的语义情感和偏好，为用户提供更加符合他们兴趣和需求的推荐服务。
新技术的涌现不断地提高推荐系统的上限，推荐系统也在持续影响和变革更多的行业。推荐系统如此重要，每一个致力于AI领域的人都有必要学习和了解推荐系统。在此，给大家推荐一本可以全面了解和掌握推荐系统的新书《这就是推荐系统-核心技术原理与企业应用》。
本书从推荐系统整体运行机理出发，然后结合工业实践中对推荐系统的功能模块以及从业人员的组织分工，从内容理解、用户画像、召回、排序等核心模块，详细介绍了每个模块的作用、原理、流行算法和优化策略。
此外，还重点分析了推荐系统中的冷启动、推荐时效性、推荐偏置等关键问题。为读者提供了每个核心模块和关键问题相关的丰富实例和案例分析，帮助读者更好地理解和应用推荐系统。不论是互联网行业的技术、产品、运营人员，还是高等院校的在校生，或者对个性化推荐、大数据应用感兴趣的爱好者等都可以阅读此书。
现在新书上架，还要5折优惠，正是入手的好时机，点击下方小程序即可购买。
人们常说从互联网获取信息，本质上是从互联网信息平台上获取数字化的内容。而推荐系统过滤分发信息，本质上也是过滤分发数字化的内容。从广义上讲，任何数字化内容的过滤、筛选和选择都可以称之为推荐。数字化变革正在渗透各行各业，而AI智能推荐也将作用于各行各业。各位喜欢《钢铁侠》电影的朋友们，应该对里面钢铁侠的超级助手JARVIS（Just A Rather Very Ingelligent System）印象深刻。而且应该留意到JARVIS是没有任何实体存在的，只是一个相当聪明的智能系统。ChatGPT的出现使得这一相当聪明的智能系统成为可能，而超级个人助手应该也是推荐系统的一个重要且可能的发展方向。比尔盖茨在由高盛和 SV Angel 主办的 AI Forward 2023 活动上也曾表示，最终赢得人工智能竞赛的公司将是实现超级人工智能助手的公司。这个尚未面世的人工智能助手将能够预测用户的需求，并执行用户没有时间完成的任务，来提高用户的效率，节省用户的时间。我们离普通大规模使用这个超级人工智能助手还有很长的路要走，可以确信的是，推荐系统在这其中发挥着不可或缺、至关重要的作用。现在，大家除了可以五折获得《这就是推荐系统-核心技术原理与企业应用》，还有机会免费获得作者签名版书籍一本。
👍点赞+在看本文，评论区留言分享你心目中未来的推荐系统。（不低于20字）
留言点赞量最高的【7】名小伙伴，每人可获得1本实体书《这就是推荐系统：核心技术原理与企业应用》。其中点赞量最高的【2】名小伙伴，获得的是作者签名版！
奖励领取方式
参考文献
https://openai.com/blog/chatgptA Survey on Large Language Models for Recommendation
