Bridging Language and Items for Retrieval and Recommendation

本文介绍了BLaIR，一系列针对推荐场景的预训练句子嵌入模型。BLaIR被训练用于学习商品元数据和潜在自然语言上下文之间的相关性，这对于检索和推荐商品非常有用。为了预训练BLaIR，我们收集了Amazon Reviews 2023数据集，该数据集包括来自33个类别的超过5.7亿条评论和4800万个商品，显著扩大了之前版本的范围。我们评估了BLaIR在多个领域和任务中的泛化能力，包括一个名为复杂产品搜索的新任务，指的是在长而复杂的自然语言上下文中检索相关商品。我们利用像ChatGPT这样的大型语言模型，相应地构建了一个半合成的评估集Amazon-C4。新任务以及传统的检索和推荐任务的实证结果表明，BLaIR具有强大的文本和商品表示能力。我们的数据集、代码和检查点可在以下链接找到：https://github.com/hyp1231/AmazonReviews2023。

本论文旨在提出一种针对推荐场景的预训练句子嵌入模型BLaIR，以学习商品元数据和自然语言上下文之间的相关性，从而有助于检索和推荐商品。同时，论文还试图验证BLaIR在多个领域和任务中的泛化能力。

论文的关键思路是使用Amazon Reviews 2023数据集进行预训练，该数据集包含来自33个类别的超过570万条评论和4800万个商品，是之前版本的显著扩展。通过在多个领域和任务中的实验，证明了BLaIR具有强大的文本和商品表示能力。

论文的亮点包括：1.提出了针对推荐场景的预训练句子嵌入模型BLaIR；2.使用Amazon Reviews 2023数据集进行预训练；3.实验包括传统的检索和推荐任务，以及一个新的任务——复杂产品搜索；4.开源了数据集、代码和检查点。

在这个领域中，最近的相关研究包括《BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding》、《XLNet: Generalized Autoregressive Pretraining for Language Understanding》等。