Give Users the Wheel: Towards Promptable Recommendation Paradigm

Este artigo apresenta o DPR, um framework agnóstico a modelos que capacita sistemas de recomendação sequenciais tradicionais a incorporar instruções em linguagem natural para orientar dinamicamente a recuperação de itens, superando as limitações de paradigmas existentes ao alinhar sinais colaborativos e semânticos sem sacrificar eficiência ou precisão.

O essencial

Imagine que você está dirigindo um carro (o sistema de recomendação) e o GPS (o algoritmo) decide sozinho para onde você deve ir, baseado apenas no seu histórico de viagens passadas. Se você sempre foi para a praia, o GPS continuará mandando você para a praia, mesmo que hoje você queira ir para a montanha ou para um parque de diversões.

É exatamente esse o problema que o artigo "Dê o Volante aos Usuários" (Give Users the Wheel) tenta resolver.

Aqui está uma explicação simples do que os autores propuseram, usando analogias do dia a dia:

1. O Problema: O Carro que Ignora o Motorista

Os sistemas de recomendação atuais (como os da Netflix ou YouTube) são muito bons em olhar para o que você fez no passado. Eles são como um motorista automático muito teimoso.

• O Cenário: Você sempre assiste filmes de ação. Um dia, você chega em casa com seus filhos e diz: "Quero assistir a um desenho animado".
• A Falha: O sistema ignora seu pedido e continua sugerindo filmes de explosões e perseguições, porque "é isso que você gosta". Ele não entende que, às vezes, você quer mudar de ideia.

2. A Solução: O DPR (Recomendação Desacoplada e Promptável)

Os autores criaram um novo sistema chamado DPR. Pense nele como instalar um volante inteligente no carro. Agora, você pode falar com o GPS e ele muda a rota instantaneamente, sem precisar trocar o motor do carro.

O sistema funciona em três partes principais, que podemos comparar a uma equipe de chefs em uma cozinha:

A. O Chef de Base (O Modelo Sequencial)

Este é o "chefe de cozinha" tradicional. Ele conhece seus gostos históricos. Se você sempre come pizza, ele sabe que você gosta de queijo e molho. Ele é rápido e eficiente, mas não entende pedidos estranhos.

B. O Especialista em Pedidos (O Embedder de Prompt)

Este é o "garçom" que ouve o que você diz. Se você diz "Quero algo leve e sem carne", ele traduz essa frase para a linguagem da cozinha.

C. O Maestro da Cozinha (O Módulo de Fusão e MoE)

Aqui está a mágica. Em vez de apenas adicionar um tempero por cima, o DPR usa uma técnica chamada Mixture-of-Experts (MoE), que funciona como ter dois chefs especializados trabalhando em paralelo:

• Chef "Quero" (Positivo): Se você diz "Quero comédia", este chef pega os ingredientes que você gosta (histórico) e mistura com o pedido de comédia, criando algo novo.
• Chef "Não Quero" (Negativo): Se você diz "Sem filmes de terror", este chef pega a lista de sugestões e remove imediatamente qualquer ingrediente que cheire a terror, sem estragar o resto do prato.

O sistema decide qual chef usar dependendo se você está pedindo algo (positivo) ou proibindo algo (negativo). Isso evita que as ordens se confundam.

3. Como eles ensinaram o sistema? (O Treinamento em 3 Etapas)

Para que o sistema não ficasse confuso, eles o treinaram em três fases, como se fosse uma escola de direção:

1. Fase 1 (Aula Teórica): O sistema aprende o básico: "Se o usuário gostou de X, provavelmente vai gostar de Y".
2. Fase 2 (Aula Prática com Categorias): O sistema aprende a entender categorias grandes, como "Comédia" ou "Ação". É como aprender a virar o volante para a esquerda ou para a direita.
3. Fase 3 (Aula Avançada de Sentimento): Aqui, o sistema aprende a entender a nuance. Em vez de apenas "Comédia", ele aprende a diferença entre "algo engraçado e caótico" e "algo engraçado e fofo". Eles usaram Inteligência Artificial para criar descrições ricas dos filmes para ajudar o sistema a entender o "vibe" (a atmosfera) do pedido, e não apenas palavras-chave.

4. Por que isso é melhor que usar um "Gênio" (LLM) inteiro?

Muitas pessoas pensam: "Por que não usamos apenas uma Inteligência Artificial gigante (como o ChatGPT) para fazer tudo?"

• O Problema do Gênio: Um modelo gigante é lento, caro e, às vezes, esquece o que você gostou no passado porque está focado apenas no que você disse agora. É como ter um motorista que é um ótimo conversador, mas não conhece a cidade.
• A Vantagem do DPR: O DPR mantém o "motorista experiente" (o modelo rápido e barato que conhece sua história) e apenas adiciona o "GPS falante" (o comando de linguagem). O resultado é um sistema que é rápido, preciso e obedece suas ordens sem perder a memória do que você gosta.

Resumo Final

O artigo "Dê o Volante aos Usuários" propõe um sistema onde você não é mais um passageiro passivo. Você pode dizer:

• "Quero ver algo que me faça rir hoje." (O sistema busca comédias que combinem com seu histórico).
• "Não quero ver nada de terror." (O sistema remove terror da lista, mesmo que você assista muito a terror normalmente).

O sistema aprende a equilibrar o que você fez no passado com o que você quer agora, garantindo que você tenha o controle total sobre o que vai assistir, ouvir ou comprar.

Resumo técnico

Título: Dê o Controle aos Usuários: Rumo a um Paradigma de Recomendação Promptável

1. O Problema

Os sistemas de recomendação sequencial convencionais (como SASRec e GRU4Rec) são altamente eficazes na mineração de padrões comportamentais implícitos baseados no histórico do usuário. No entanto, eles sofrem de uma cegueira estrutural em relação à intenção explícita do usuário.

• Limitação Atual: Se um usuário com histórico de filmes de ação pedir explicitamente "filmes infantis para assistir com meus filhos", os modelos tradicionais tendem a ignorar esse comando e continuar recomendando filmes de ação devido à inércia dos dados históricos.
• O Dilema das Soluções Atuais:
  • LLM como Recomendador: Substituir o modelo de recomendação por um Modelo de Linguagem Grande (LLM) puro. Isso perde a precisão e eficiência da filtragem colaborativa baseada em IDs e sofre de alta latência de inferência.
  • Reordenamento (Reranking): Usar LLMs apenas para reordenar uma lista pré-selecionada. Isso é limitado pela capacidade de "recall" (recuperação) do modelo base; se o item relevante não estiver na lista inicial, o LLM não pode recuperá-lo.

O artigo propõe a necessidade de um sistema que integre nativamente instruções em linguagem natural ao processo de recuperação, sem abandonar os sinais colaborativos.

2. Metodologia: DPR (Decoupled Promptable Sequential Recommendation)

Os autores propõem o DPR, um framework agnóstico ao modelo que capacita backbones sequenciais convencionais a suportar "Recomendação Promptável". O objetivo é modular a representação latente do usuário diretamente no espaço de recuperação usando linguagem natural.

A arquitetura do DPR consiste em três componentes principais:

1. Codificador Sequencial (Sequential Encoder):
   • Um modelo base (ex: SASRec, GRU4Rec) que extrai a representação de interesse intrínseco do usuário ($h_u$) baseada puramente no histórico de interações.
2. Codificador de Prompt (Prompt Embedder):
   • Utiliza um encoder pré-treinado (ex: Sentence-BERT) para transformar a instrução de texto do usuário ($p$) em um vetor semântico ($c_p$).
   • Inclui um indicador semântico ($c \in \{+, -\}$) que classifica se o prompt é um desejo positivo ("Quero ver...") ou uma restrição negativa ("Não quero ver...").
3. Módulo de Fusão de Sinais (Signal Fusion Module) com MoE:
   • Arquitetura Mixture-of-Experts (MoE): Para lidar com a complexidade de otimizar direções opostas (ampliar características desejadas vs. suprimir características indesejadas), o DPR utiliza duas torres de fusão independentes:
     • Bloco de Fusão Positiva ($f^+$): Para prompts de "querer".
     • Bloco de Fusão Negativa ($f^-$): Para prompts de "não querer".
   • Mecanismo: Usa atenção cruzada multi-cabeça (MHCA) onde a representação do usuário é a Query e o vetor do prompt é a Key/Value.
   • Resíduo: A informação do prompt é adicionada à representação original do usuário via conexão residual, preservando a estabilidade do histórico enquanto aplica a modulação.

3. Estratégia de Treinamento (3 Estágios)

Para garantir robustez e alinhamento semântico, o DPR utiliza uma estratégia de treinamento progressiva:

• Estágio 1 (Pré-treinamento): Treinamento padrão do encoder sequencial para prever o próximo item (tarefa clássica de recomendação).
• Estágio 2 (Ajuste Fino de Categoria): Alinhamento das representações do usuário com embeddings de categorias amplas (gêneros), servindo como uma base semântica.
• Estágio 3 (Alinhamento Semântico Profundo):
  • Uso de Aumento Semântico: LLMs geram tags descritivas detalhadas (Narração, Atmosfera, Apelo) para os itens, substituindo rótulos de gênero grosseiros.
  • Decuplagem Léxica: Para evitar memorização, os prompts de teste são reescritos com sinônimos, forçando o modelo a aprender a semântica latente e não apenas correspondência de palavras-chave.
  • Função de Perda Unificada: Otimiza simultaneamente a maximização da probabilidade de itens alvo (para prompts positivos) e a supressão de itens indesejados (para prompts negativos) dentro de um conjunto de alvos contextual.

4. Principais Contribuições

1. Definição do Paradigma: Formalização da "Recomendação Promptável", que combina a eficiência da filtragem colaborativa com a controlabilidade da linguagem natural.
2. Arquitetura DPR: Uma solução agnóstica que utiliza um design desacoplado (MoE) para separar gradientes conflitantes de prompts positivos e negativos, evitando conflitos de otimização.
3. Estratégia de Treinamento: Uma abordagem de 3 estágios com aumento de dados semânticos que permite ao modelo funcionar robustamente tanto com quanto sem prompts.
4. Desempenho Superior: Evidência empírica de que o DPR supera tanto modelos baseados em LLMs quanto métodos de reordenamento tradicionais.

5. Resultados Experimentais

Os experimentos foram realizados em conjuntos de dados reais (MovieLens-1M e MIND).

• Comparação com Baselines Tradicionais:
  • No ML-1M, o DPR superou a melhor linha de base de filtragem (Filter) em 71,84% na métrica NDCG@10 para tarefas de direcionamento positivo.
  • O DPR demonstrou capacidade de reclassificação (re-ranking) baseada em intenção, "puxando" itens relevantes para o topo da lista, algo que a filtragem heurística simples não consegue fazer eficientemente.
• Comparação com LLMs:
  • O DPR superou significativamente modelos generativos (como Qwen2.5, Llama-2, RecGPT) em tarefas de recomendação, mantendo alta eficiência e precisão.
  • Em tarefas de reordenamento com LLMs, o DPR foi superior, especialmente em tarefas de supressão negativa, onde LLMs tendem a falhar devido à sensibilidade ao ruído em grandes conjuntos de candidatos.
• Entendimento de Intenção Implícita:
  • Em avaliações usando "LLM como Juiz" para prompts complexos e implícitos (ex: "quero algo caótico para me distrair"), o DPR obteve a maior pontuação geral, equilibrando bem o histórico do usuário com a intenção imediata.
• Estudos de Ablação:
  • Confirmaram que a arquitetura de Duas Torres (separando positivos e negativos) é crucial; uma torre única causou quedas drásticas de desempenho (até 45% em algumas métricas).
  • O treinamento de 3 estágios foi provado superior ao treinamento direto, servindo como uma "andaime" para o alinhamento semântico.

6. Significado e Impacto

O trabalho representa um avanço significativo ao resolver o dilema entre a precisão da filtragem colaborativa e a flexibilidade da linguagem natural.

• Eficiência: Ao contrário de usar LLMs pesados para toda a recuperação, o DPR mantém o backbone leve e rápido, usando o LLM apenas para interpretar a intenção e modular a representação latente.
• Controle do Usuário: Permite que os usuários assumam o controle ativo das recomendações em tempo real, ajustando o sistema a contextos específicos (ex: assistir com crianças, evitar um gênero específico) sem perder a relevância baseada no histórico.
• Futuro: Estabelece um novo padrão para sistemas de recomendação interativos, onde a instrução em linguagem natural é um sinal nativo e não um adendo pós-processamento.

Em resumo, o DPR demonstra que é possível "promptar" modelos de recomendação tradicionais diretamente, criando sistemas que são ao mesmo tempo eficientes, precisos e altamente controláveis pelo usuário.