LLM-recommendation

深度分析

商品導向 ItemRAG：結合共購頻次與語意檢索提升 LLM 推薦準確度

在大型語言模型被用作推薦系統的背景下，ItemRAG主張以商品為檢索單位，透過共購歷史與文字語意找出相關商品，再將抽取結果彙整為摘要餵給LLM，藉以改善冷啟動與提升推薦準確度，實驗顯示整體表現優於用戶導向的RAG，並在多個亞馬遜商品領域的離線實驗中展現穩定提升，尤其在H@1等指標有顯著增益。