RecGPT: Generative Pre-training for Text-based Recommendation

我们提出了第一个经过领域适应和完全训练的大型语言模型RecGPT-7B，以及其指令跟随变体RecGPT-7B-Instruct，用于基于文本的推荐。评级预测和顺序推荐任务的实验结果表明，我们的模型RecGPT-7B-Instruct优于以前的强基线模型。我们发布了RecGPT模型以及它们的预训练和微调数据集，以促进未来基于文本的推荐研究和下游应用。我们的RecGPT模型和数据集的公共“huggingface”链接可在以下网址获得：https://github.com/VinAIResearch/RecGPT。

本文旨在解决基于文本的推荐中的评分预测和顺序推荐问题，并提出了RecGPT-7B和RecGPT-7B-Instruct两种模型。

本文提出了一种基于文本的推荐模型，利用领域自适应和完全训练的大型语言模型RecGPT-7B和RecGPT-7B-Instruct，通过预测用户的评分和顺序推荐物品来提高推荐效果。

实验结果表明，RecGPT-7B-Instruct模型在评分预测和顺序推荐任务中均优于之前的强基线模型。此外，作者还开放了RecGPT模型以及预训练和微调数据集，以促进未来的研究和应用。公共的“huggingface”链接可在https://github.com/VinAIResearch/RecGPT中找到。

近期在基于文本的推荐领域还有一些相关的研究，如BERT4Rec、SASRec等。