HPG-Rec: Hybrid Popularity-Guided Recommendation with Large Language Models
Este artigo apresenta o HPG-Rec, um novo framework livre de treinamento que aborda eficazmente a esparsidade de dados e o gap semântico em sistemas de recomendação ao combinar geração de candidatos controlada por LLM, pontuação semântica consciente de ranking, modelagem de popularidade dupla e fusão baseada em MLP para alcançar melhorias significativas de desempenho em relação aos baselines de estado da arte.