軽量な大規模言語モデルを活用した連邦型個人知識グラフの補完とパーソナライズ推奨

要旨: パーソナライズされた推奨はますますプライベートなユーザデータに依存しており、情報を中央集権化せずに個人に適応できるアプローチを動機づけています。私たちは Federated Targeted Recommendations with Evolving Knowledge graphs and Language Models（FedTREK-LM）を提示します。これは軽量な大規模言語モデル（LLMs）、進化する個人知識グラフ（PKGs）、連邦学習（FL）、およびカーネマン-トヴェルスキー最適化を統合し、スケーラブルで分散型のパーソナライズを実現するフレームワークです。PKGを構造化してLLMsを促すことにより、FedTREK-LMは映画とレシピ提案といったパーソナライズされた推奨タスクにおいて文脈認識型推論を行います。3つの軽量なQwen3モデル（0.6B、1.7B、4B）を通じて、FedTREK-LMは最先端のKG補完および連邦型推奨のベースライン（HAKE、KBGAT、FedKGRec）を一貫して大幅に上回り、映画および食品のベンチマークでF1スコアを4倍超で改善します。実データが効果的なパーソナライゼーションには極めて重要であることをさらに示しており、合成データは最大で46%の性能低下を招きます。全体として、FedTREK-LMは分散化・進化するユーザPKG全体へ一般化する適応的でLLM搭載のパーソナライゼーションの実用的なパラダイムを提供します。）} } } }} } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } }