云环境中传统推荐系统与零样本大语言模型的基准对比:推荐质量、延迟、成本与碳足迹评估
《Future Internet》:Cloud-Based Multi-Criteria Evaluation of Conventional and LLM-Based Recommender Systems
【字体:
大
中
小
】
时间:2026年10月21日
来源:Future Internet 4.6
摘要
推荐系统是数字生态系统中一个成熟的研究领域,支持在云计算环境中的广泛领域实现个性化服务。随着推荐功能越来越多地通过云基础设施提供,除推荐准确性之外,延迟和运营成本等因素在现实应用中变得至关重要。与此同时,大语言模型(LLMs)已成为下一代推荐系统的一个有前景的方向。本工作的目标是对基于经过训练的传统推荐算法的推荐系统和在云环境中零样本使用的大语言模型进行对比评估,评估维度包括推荐质量、延迟、运营成本和碳足迹。基于MovieLens 100K数据集和20个候选物品的抽样设置,共对比了18种不同的推荐系统,其中13种使用传统推荐算法,其余5种为零样本大语言模型。结果表明,神经协同过滤模型NeuMF和基于嵌入的矩阵分解方法BPR-MF具有优越性。相比之下,零样本设置下的大语言模型表现不佳,且报告的估计碳足迹要高得多。总体而言,本工作提供了对经过训练的传统推荐系统和零样本大语言模型推荐系统的最新基准测试,并强调了在云环境中部署推荐系统时应考虑的关键权衡。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号