Vector Quantization for Recommender Systems: A Review and Outlook

向量量化以其无与伦比的特征压缩能力而闻名，在信号处理和机器学习研究中已经是一个重要的话题数十年，并且今天仍然广泛使用。随着大型模型和生成式人工智能的出现，向量量化在推荐系统中越来越受欢迎，成为首选解决方案。本文从全面回顾向量量化技术开始，探讨了面向推荐系统的向量量化方法的系统分类（VQ4Rec），从多个角度研究了它们的应用。此外，它还全面介绍了在不同推荐场景下的研究工作，包括面向效率和面向质量的方法。最后，本文分析了VQ4Rec中仍然存在的挑战，并预测了未来的趋势，包括向量量化训练中的挑战、大型语言模型所提供的机遇以及多模式推荐系统中新兴的趋势。我们希望本文能为推荐社区的未来研究者铺平道路，并加速他们在这个有前途的领域的探索。

本文旨在综述向量量化在推荐系统中的应用，包括向量量化的技术方法、推荐系统中的向量量化分类、效率和质量优化的研究、以及未来研究方向和挑战。

本文提出了系统性的向量量化分类方法，探讨了向量量化在推荐系统中的应用。

本文介绍了向量量化在推荐系统中的应用，包括效率和质量优化的研究，分析了向量量化训练的挑战、大语言模型的机会以及多模态推荐系统的新趋势。

相关研究包括基于深度学习的推荐系统、基于图的推荐系统、基于聚类的推荐系统等。