大型語言模型

深度分析

SAERec 結合稀疏自編碼器與大型語言模型的可解釋意圖推薦系統

隨著使用者行為背後意圖成為提升推薦精準度與可解釋性的關鍵，SAERec 以稀疏自編碼器從評論文本中自動抽取細緻意圖，結合雙層檢索與多分支注意力將個人與公共意圖注入序列模型，實驗顯示在四大公開資料集上相較於最佳基線提升 5% 至 11% 且提供人類可理解的解釋。