TOP:A New Target-Audience Oriented Content Paraphrase Task

推荐系统通常会向不同用户推荐现有的内容。然而，与静态推荐方法相比，一种根据用户兴趣偏好动态调整的推荐逻辑可能会吸引更多用户。因此，我们考虑根据用户的兴趣来改写现有内容，以更好地符合用户的偏好。本文提出了一个名为“面向目标受众的内容改写”的新任务，旨在为目标受众生成更加定制化的内容。我们介绍了该任务的定义、相应的框架以及相应数据集的创建。我们利用大型语言模型（LLMs）和大型视觉模型（LVMs）来完成TOP框架的基本实现，并为所提出的任务提供了参考基线结果。

提出了一种名为Target-Audience Oriented Content Paraphrase的新任务，旨在根据用户的兴趣偏好生成更加定制化的内容，解决了静态推荐方法无法满足用户需求的问题。

通过利用大型语言模型和视觉模型，根据用户兴趣偏好对现有内容进行改写，从而生成更符合目标受众需求的内容。

论文提出了一个新的任务，并介绍了相应的框架和数据集。实验使用了大型语言模型和视觉模型实现了TOP框架，并提供了基准结果。值得关注的是，论文提出的方法可以提高内容推荐的个性化程度，具有一定的实用价值。

在这个领域中，还有一些相关的研究，如基于协同过滤的推荐系统，基于深度学习的推荐系统等。