Konsep Inti
대형 언어 모델의 공통 감각 지식을 활용하여 기존 메타데이터 기반 지식 그래프를 보완하고, 이를 통해 추천 성능을 향상시킬 수 있다.
Abstrak
이 논문은 대형 언어 모델의 공통 감각 지식을 활용하여 추천 시스템의 성능을 향상시키는 CSRec 프레임워크를 제안한다.
기존 지식 기반 추천 모델들은 메타데이터 기반 지식 그래프를 활용하지만, 이는 항목 속성 정보와 사용자 상호작용 데이터에 의존적이어서 한계가 있다. 공통 감각은 일반성과 보편성을 가지고 있어 이를 보완할 수 있다.
CSRec은 대형 언어 모델을 활용하여 항목 카테고리 간 보완 및 대체 관계를 분석하고, 이를 공통 감각 기반 지식 그래프로 구축한다. 이 그래프와 기존 메타데이터 기반 지식 그래프를 상호 정보 최대화 기반 지식 융합 방법으로 통합한다.
실험 결과, CSRec은 기존 지식 기반 추천 모델의 성능을 크게 향상시켰으며, 특히 콜드 스타트 상황에서 두드러진 성능 개선을 보였다.
Statistik
사용자가 데스크톱 카테고리의 제품을 구매했을 때, 대형 언어 모델이 추천한 10개 보완/대체 카테고리
사용자가 마이크로 SD 카드 카테고리의 제품을 구매했을 때, 대형 언어 모델이 추천한 10개 보완/대체 카테고리
Kutipan
"공통 감각은 일반성과 보편성을 가지고 있어 메타데이터 기반 지식 그래프를 보완할 수 있다."
"대형 언어 모델의 공통 감각 지식을 활용하여 추천 성능을 향상시킬 수 있다."