近日,中国领先的社交电商平台小红书宣布推出了一款创新的多模态笔记推荐框架——NoteLLM。这一框架基于大型语言模型(LLM),旨在通过先进的技术手段解决内容到内容(I2I)推荐问题,显著提升用户参与度和推荐系统的精准度。
![]() NoteLLM的核心特点与创新点 NoteLLM框架由小红书自主研发,其主要创新点包括以下几个方面: 统一的笔记压缩提示构建:NoteLLM通过构建统一的笔记压缩提示,将笔记内容浓缩为单一特殊标记(Token),从而实现更高效的语义表征。这一方法不仅提升了推荐任务的效率,还增强了生成标签和类别时的准确性。 生成对比学习(Generative Contrastive Learning) :NoteLLM利用生成对比学习方法,通过统计用户点击和互动数据,学习笔记嵌入的对比关系。这种方法能够更深入地挖掘用户兴趣点,从而生成更符合用户需求的个性化推荐。 协作监督微调(Collaborative Supervised Fine-Tuning) :NoteLLM结合协作监督微调技术,进一步优化推荐模型的性能。通过引入协同信号和语义信息,NoteLLM能够更精准地匹配用户的兴趣标签和类别,从而提高推荐的准确性和多样性。 多模态扩展与视觉信息融合:NoteLLM-2版本进一步整合了多模态输入,包括文本和视觉内容,通过端到端训练方法提升推荐效果。这一改进特别适用于小红书平台上的图文结合内容推荐。 实验结果与实际应用 根据实验数据,NoteLLM在小红书推荐系统中的表现优于现有基线方法。具体而言: 点击率提升了16.20%,显著增强了用户的参与度。 用户评论数增加了1.10%,表明推荐内容更加吸引用户互动。 新增发布者数量稳步增长,证明了NoteLLM在吸引创作者方面的有效性。 NoteLLM已在小红书的离线实验和工业场景中得到验证,并成功应用于多个业务场景,包括笔记推荐、标签生成和内容分类。 小红书表示,NoteLLM的成功应用标志着公司在利用大语言模型优化推荐系统方面迈出了重要一步。未来,小红书将继续探索多模态大模型的应用潜力,并结合更多跨领域技术,进一步提升用户体验和市场竞争力。 |