本节是大模型LLM4Rec的Pipline，从论文、数据到源码一步步进行探索 围绕“TIGER”论文展开

主要内容

• 谷歌2023年的论文“TIGER”
• Recommender Systems with Generative Retrieval
• VQ-VAE & RQ-VAE
• https://github.com/EdoardoBotta/RQ-VAE-Recommender
• Amazon数据集

论文解读

整体结构

RQ-VAE量化

📌 检索不再发生在向量空间 📌 而发生在“token 空间”

量化的其他选项

• 局部敏感哈希（LSH）
• VQ-VAE
• RQ-VAE

数据集

Datasets. We evaluate the proposed framework on three public real-world benchmarks from the

Amazon Product Reviews dataset[10], containing user reviews and item metadata from May 1996

to July 2014. In particular, we use three categories of the Amazon Product Reviews dataset for the

sequential recommendation task: “Beauty”, “Sports and Outdoors”, and “Toys and Games”. We

discuss the dataset statistics and pre-processing in Appendix C.

思考

• user/item 进行embedding后进行量化，是在干什么？为什么这样做？目标？

• 各个模块和整体模块的输入输出是什么？长啥样？