Core Concepts
대규모 언어 모델의 등장으로 인해 검색 및 추천 분야에서 새로운 생성 패러다임이 등장했다. 이 생성 패러다임은 기존의 판별 방식과 달리 사용자 쿼리나 프로필에 대해 직접 관련 문서나 아이템을 생성하는 것을 목표로 한다.
Abstract
이 논문은 대규모 언어 모델 시대의 생성 검색 및 추천에 대한 종합적인 조사를 제공한다.
먼저 기존의 기계 학습 기반 및 딥 러닝 기반 검색 및 추천 패러다임을 요약한다. 이어서 생성 검색 및 추천 패러다임의 개요를 제시하고, 이를 구성하는 핵심 단계들을 설명한다.
생성 검색 부분에서는 쿼리 표현, 문서 식별자, 학습, 추론 등 각 단계별 접근법과 장단점을 상세히 다룬다. 생성 추천 부분에서는 사용자 표현, 아이템 식별자, 학습, 추론 등 각 단계의 특징을 설명한다.
마지막으로 생성 검색과 생성 추천의 비교, 향후 과제, 그리고 차세대 정보 탐색 패러다임에 대해 깊이 있게 논의한다.
Stats
대규모 언어 모델의 등장으로 인해 검색 및 추천 분야에서 새로운 생성 패러다임이 등장했다.
생성 검색은 사용자 쿼리에 대해 관련 문서를 직접 생성하는 것을 목표로 한다.
생성 추천은 사용자 프로필에 기반하여 관련 아이템을 직접 생성하는 것을 목표로 한다.
생성 검색과 생성 추천은 공통적으로 입력 표현, 출력 식별자, 학습, 추론 등의 단계로 구성된다.
Quotes
"대규모 언어 모델의 등장으로 인해 검색 및 추천 분야에서 새로운 생성 패러다임이 등장했다."
"생성 검색은 사용자 쿼리에 대해 관련 문서를 직접 생성하는 것을 목표로 한다."
"생성 추천은 사용자 프로필에 기반하여 관련 아이템을 직접 생성하는 것을 목표로 한다."