大模型如何为推荐系统注入“世界知识”？

1. 大模型对推荐系统的影响主要体现在知识的输入、模型的替换和内容的创造三个层级上。 2. 大模型融合的开放世界知识为推荐系统带来丰富的增量信息，对推荐系统特征工程、冷启动过程、多模态信息的引入具有极大推进作用。 3. 大模型可能直接替代传统推荐系统，尤其在交互方式上可能带来新的革命。 4. 大模型具有极强的内容生成能力，可能直接为用户创造个性化内容，这是大模型可能带给推荐系统最大的革命之一。 5. 大模型的知识与传统推荐系统的知识是“完美互补”的关系，最合理的方式是结合二者的优势，将大模型的世界知识输入到推荐系统中去，提升推荐系统的效果上限。 6. 利用大模型的知识辅助推荐主要有两种方式：LLM生成Embedding后输入推荐系统和LLM生成文字Token后输入推荐系统。 7. MoRec和GENRE是两种利用大模型生成推荐系统特征的具体例子，分别通过Embedding和Token传递多模态知识。 8. 大模型可以轻易地把异构的多模态数据转换成一系列的标签特征，这些标签特征更加结构化，易于让推荐模型学习。 9. 大模型为推荐系统输入的增量信息，可以在没有用户行为历史的情况下完成基于内容新的的推荐，有助于解决推荐系统冷启动的问题。 10. 大模型结合推荐系统的魅力在于自身添加有价值的信息，如电影背后的内容类型标签和导演信息，为推荐系统带来丰富的内容特征。