Exploración de técnicas de prompt-programming para sistemas de recomendación

Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2024.

Guardado en:

Detalles Bibliográficos
Autor principal:	Medina, Ana Julia
Otros Autores:	Alonso i Alemany, Laura
Formato:	bachelorThesis
Lenguaje:	Español
Publicado:	2024
Materias:	Sistemas de recomendación Tareas y objetivos de la recuperación Recuperación de información Sistemas de información Ingeniería de prompts Modelos de lenguaje Procesamiento de lenguaje natural Aprendizaje few-shot Predicción de calificaciones Recommender systems Retrieval tasks and goals Information retrieval Information systems Prompt-Engineering Language models Natural language processing Rating prediction Few-shot learning
Acceso en línea:	http://hdl.handle.net/11086/553511
Aporte de:	Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba

id	I10-R141-11086-553511
record_format	dspace
spelling	I10-R141-11086-5535112024-09-06T06:38:18Z Exploración de técnicas de prompt-programming para sistemas de recomendación Medina, Ana Julia Alonso i Alemany, Laura Sistemas de recomendación Tareas y objetivos de la recuperación Recuperación de información Sistemas de información Ingeniería de prompts Modelos de lenguaje Procesamiento de lenguaje natural Aprendizaje few-shot Predicción de calificaciones Recommender systems Retrieval tasks and goals Information retrieval Information systems Prompt-Engineering Language models Natural language processing Rating prediction Few-shot learning Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2024. Fil: Medina, Ana Julia. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. Este estudio explora la adecuación de los modelos de lenguaje para la tarea de recomendaciones, priorizando enfoques que requieran menos recursos computacionales y habilidades técnicas. Se evaluaron modelos de lenguaje open-source, sin entrenamiento específico, para predecir puntajes de películas utilizando un prompt base y sus variaciones. Se probaron tres modelos: Flan-T5, Llama2 y Mistral. Los experimentos analizaron cómo distintas alteraciones del prompt (historiales de usuario, géneros y puntajes globales de películas, rangos de puntaje y ejemplos few-shot) afectan los resultados. Además, se realizaron estudios de sesgo para detectar tendencias en las predicciones. Las predicciones, divididas en opiniones positivas y negativas y evaluadas con métricas de clasificación, mostraron que los modelos de lenguaje superan sistemáticamente a la asignación de puntajes promedio de películas. En muchos casos, estos modelos se desempeñaron casi tan bien como los algoritmos de estado del arte en recomendaciones. El mejor rendimiento se obtuvo con prompts que incluían historiales largos de usuario, sin necesidad de añadir más información. La elección del formato del prompt base y el modelo utilizado fueron cruciales. Modelos más avanzados como Llama2 y Mistral produjeron mejores resultados que modelos más simples como Flan-T5. Por lo tanto, los modelos de lenguaje son una opción viable para problemas de recomendación en contextos de recursos limitados. This study explores the suitability of language models for recommendation tasks, focusing on approaches that require fewer computational resources and technical skills. Open-source language models without specific training were evaluated for predicting movie ratings using a base prompt and its variations. Three models were tested: Flan-T5, Llama2, and Mistral. Experiments analyzed how different prompt alterations (user histories, movie genres and overall scores, rating ranges, and few-shot examples) affect results. Additionally, bias studies were conducted to detect trends in predictions. The predictions, divided into positive and negative opinions and evaluated with classification metrics, showed that language models consistently outperform assigning average movie ratings. In many cases, these models performed almost as well as state-of-the-art recommendation algorithms. The best performance was achieved with prompts including long user histories, without the need for additional information. The choice of the base prompt format and the model used were crucial. More sophisticated models like Llama2 and Mistral produced better results than simpler models like Flan-T5. Therefore, language models are a viable option for recommendation problems in contexts with limited resources. Fil: Medina, Ana Julia. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. 2024-09-05T12:58:29Z 2024-09-05T12:58:29Z 2024-07-23 bachelorThesis http://hdl.handle.net/11086/553511 spa Attribution-NonCommercial-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nc-nd/4.0/
institution	Universidad Nacional de Córdoba
institution_str	I-10
repository_str	R-141
collection	Repositorio Digital Universitario (UNC)
language	Español
topic	Sistemas de recomendación Tareas y objetivos de la recuperación Recuperación de información Sistemas de información Ingeniería de prompts Modelos de lenguaje Procesamiento de lenguaje natural Aprendizaje few-shot Predicción de calificaciones Recommender systems Retrieval tasks and goals Information retrieval Information systems Prompt-Engineering Language models Natural language processing Rating prediction Few-shot learning
spellingShingle	Sistemas de recomendación Tareas y objetivos de la recuperación Recuperación de información Sistemas de información Ingeniería de prompts Modelos de lenguaje Procesamiento de lenguaje natural Aprendizaje few-shot Predicción de calificaciones Recommender systems Retrieval tasks and goals Information retrieval Information systems Prompt-Engineering Language models Natural language processing Rating prediction Few-shot learning Medina, Ana Julia Exploración de técnicas de prompt-programming para sistemas de recomendación
topic_facet	Sistemas de recomendación Tareas y objetivos de la recuperación Recuperación de información Sistemas de información Ingeniería de prompts Modelos de lenguaje Procesamiento de lenguaje natural Aprendizaje few-shot Predicción de calificaciones Recommender systems Retrieval tasks and goals Information retrieval Information systems Prompt-Engineering Language models Natural language processing Rating prediction Few-shot learning
description	Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2024.
author2	Alonso i Alemany, Laura
author_facet	Alonso i Alemany, Laura Medina, Ana Julia
format	bachelorThesis
author	Medina, Ana Julia
author_sort	Medina, Ana Julia
title	Exploración de técnicas de prompt-programming para sistemas de recomendación
title_short	Exploración de técnicas de prompt-programming para sistemas de recomendación
title_full	Exploración de técnicas de prompt-programming para sistemas de recomendación
title_fullStr	Exploración de técnicas de prompt-programming para sistemas de recomendación
title_full_unstemmed	Exploración de técnicas de prompt-programming para sistemas de recomendación
title_sort	exploración de técnicas de prompt-programming para sistemas de recomendación
publishDate	2024
url	http://hdl.handle.net/11086/553511
work_keys_str_mv	AT medinaanajulia exploraciondetecnicasdepromptprogrammingparasistemasderecomendacion
_version_	1809775201493188608

Exploración de técnicas de prompt-programming para sistemas de recomendación

Ejemplares similares