GROCLM: LLM per la Raccomandazione di Categorie Alimentari nell'E-Commerce
Un team di ricercatori ha introdotto GROCLM, un modello linguistico avanzato progettato per raccomandare categorie alimentari nell'e-commerce, affrontando le complessità delle abitudini di acquisto cicliche e delle diverse intenzioni degli utenti. Questo modello impiega un approccio di addestramento in due fasi basato su LoRA per incorporare segnali di riacquisto nei suoi parametri, superando i metodi tradizionali basati su prompt. Inoltre, una tecnica di decodifica vincolata basata su trie garantisce output validi all'interno di un intervallo di categorie specificato. I test su dati di produzione proprietari e su un benchmark pubblico dimostrano la sua costante superiorità rispetto a modelli di base robusti. I risultati sono documentati su arXiv:2607.24764.
Fatti principali
- GROCLM è un modello linguistico ottimizzato per la raccomandazione di categorie alimentari.
- Utilizza una strategia di addestramento in due fasi basata su LoRA.
- Il modello codifica i modelli di acquisto ciclici nei parametri del modello.
- Un meccanismo di decodifica vincolata basato su trie garantisce output validi.
- Gli esperimenti sono stati condotti su dati di produzione proprietari e su un benchmark pubblico.
- GROCLM supera costantemente i modelli di base forti.
- L'articolo è disponibile su arXiv con ID 2607.24764.
- L'approccio si concentra sulla raccomandazione a livello di categoria come alternativa strutturata ai metodi a livello di articolo.
Entità
Istituzioni
- arXiv