MLNLP
社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。

社区的愿景是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。
尊敬的各位专家学者，
我们诚挚邀请您提交论文，参加在ACM WWW’24会议上举办的第二届"Recommendation with Generative Models"研讨会。本次研讨会旨在探讨生成模型（例如LLMs）在推荐系统上的创新应用。
会议时间为 2024 年 5 月 13 日，地点在新加坡。投稿要求：提交一个长度在4-8页的论文，按照 ACM Conference 的格式进行编辑和提交，我们期待着您的投稿。录取的稿件可以自由选择是否收录进WWW Companion Proceedings。
ACM WWW是 CCF 推荐的A类国际学术会议，聚焦于互联网技术和应用领域，例如用户建模与推荐系统，是围绕互联网背景下新兴交叉学科研究的国际学术顶会。
随着生成式模型（比如LLMs）的快速发展，推荐系统中涌现了越来越多的创新性研究，凸显了本次研讨会的必要性。从长远来看，这一研究方向具有颠覆传统推荐范式、推动下一代推荐系统发展的潜力。我们诚挚地邀请您提交相关论文，分享您在该领域的最新研究成果和应用案例，展示您在生成式模型与推荐系统领域的研究成果和思考。您将有机会与领域内众多专家学者交流，共同探讨如何推动生成式模型在推荐系统中的研究和发展。本次研讨会旨在积极探索和分享在推荐系统中如何利用生成式模型的方法和思路，包括但不限于以下系列主题：
- 利用生成模型，如LLM，以提升用户建模和各种推荐任务的性能，包括序列、冷启动、多模态和因果推荐等推荐任务；
- 从模型架构、训练和推理效率等多个方面提升生成式推荐模型；
- 基于大语言模型知识增强的用户建模和物品表征学习；
- 利用生成式模型生成更多样的个性化内容，满足用户信息需求；
- 生成式模型如何影响用户和推荐系统的传统交互范式；
- 不同应用场景下生成式推荐系统的部署和应用；
- 如何验证并提高生成式推荐系统的可信度；
- 生成式智能体在推荐系统中的应用；
- 生成式推荐系统的评估方法。
详细的论文征稿信息参见 Workshop 官网 (https://generative-rec.github.io/workshop/)。

关于我们

MLNLP 社区是由国内外机器学习与自然语言处理学者联合构建的民间学术社区，目前已经发展为国内外知名的机器学习与自然语言处理社区，旨在促进机器学习，自然语言处理学术界、产业界和广大爱好者之间的进步。
社区可以为相关从业者的深造、就业及研究等方面提供开放交流平台。欢迎大家关注和加入我们。
继续阅读
阅读原文