本文提出了一种名为STAR的简单无需训练的推荐方法，该方法利用LLM融合语义与协同信息，适用于各种推荐任务而无需微调。STAR通过两阶段方法——检索和排序——实现推荐，检索阶段结合语义信息矩阵和CI信息矩阵，考虑时间与打分因子；排序阶段使用LLMRank对检索结果进行排序。实验表明，该方法在多个数据集上取得显著提升，尤其对交互行为丰富的领域效果突出。

😊STAR是一种无需训练的LLM推荐方法，通过融合语义信息和协同信息，无需微调即可应用于多种推荐场景，降低了工程复杂性和成本。

🔍检索阶段结合预先计算的语义信息矩阵（基于Geckotext-embedding-004）和CI信息矩阵（采用itemCF相似度计算），并融合时间因子（交互时间越近越重要）和打分因子（用户打分越高越重要）。

🚀排序阶段使用LLMRank对检索结果进行排序，实验发现不同打分方式对结果有显著影响，且候选长度、交互序列长度及交互行为对排序效果影响有限。

📊实验结果表明，STAR在多个数据集上取得显著性能提升，尤其在用户与item交互丰富的领域（如Beauty Hits@10提升23.8%，Toys and Games提升37.5%）效果突出，但在交互稀疏的领域（如Sports and Outdoors）效果提升有限（-1.8%）。

🤔该方法强调了用户- item交互行为的重要性，并指出虽然无需训练简化了流程，但针对特定业务场景仍需进一步优化，且完全替代微调方法可能存在性能瓶颈。

思路动机

LLM最新进展为推荐系统任务提供了有前途的新方法。当前最先进的方法依赖于微调 LLM 来实现最佳结果，但此过程成本高昂且带来了显著的工程复杂性。相反，绕过微调并直接使用 LLM 的方法资源密集程度较低，但往往无法完全捕获语义和协作信息，导致与经过微调的方法相比性能不佳。在本文中，提出了一种简单的无需训练的推荐方法 (STAR)，这是一个利用 LLM 的框架，可应用于各种推荐任务而无需微调。

comment: 这篇论文，提供了一个将语义与协同信息融合起来的视角，这是这篇论文提供的最大的启发性视角。

提供了一种普适推荐场景下，快速搞一个基于llm推荐的基线。在此基础上，特定业务场景，还是需要针对性改进。 模型还是需要微调的，不能应该微调成本高、工程复杂就放弃。

在LLM里面，考虑user-item interactions交互行为，真的非常非常重要！实验观察到的现象：

Beauty Hits@10： +23.8% Toys and Games：+37.5% Sports and Outdoors ：-1.8%

Sports and Outdoors 为啥结果提不上来？因为Sports and Outdoors上用户与item的交互，相比其他两个数据集，是很低的。

方法

两阶段方法，方法全局概览:

检索

通过上图得到检索结果。

排序

对检索结果，通过LLMRank排序。

检索

检索阶段，考虑了语义信息、和CI信息。在融合这两者的时候（融合公式里），语义信息和CI信息，有一个权重平衡因子。

同时会考虑：

时间因子：用户与item交互时间越近的，越重要； 打分因子：用户与item交互打分，越大越重要；

怎么计算语义信息矩阵、CI信息矩阵？

预先计算好语义信息矩阵（nn，n是item的数量）、以及CI信息矩阵（nn，怎么计算，用的非常典型的itemCF计算item之间的相似度矩阵）

llm embedding: 使用的是google自己内部的Geckotext-embedding-004

怎么融合？

如果不考虑语义信息，则对item4的打分，就是一个非常典型的itemCF对item4的打分逻辑：

需要融合语义信息矩阵，是在itemCF打分的基础上，做了如下方式的融合：a=0，就是itemCF打分逻辑，只是里面包含了时间因子t、打分因子r:

打分因子r_j: user对item_j的打分，实验发觉r_j全部取1，对结果没什么影响。

a=0和a=1，有消融实验结论，没有贴具体数据。

检索打分公式的影响：

排序

输入：

排序打分逻辑，不同打分方式结果:

候选长度、交互序列的长度，对结果的影响：

rank里面加入一些交互行为的影响：

感觉差异不大。

不同模型对结果的影响：