이 논문은 대규모 언어 모델(LLM)을 활용한 추천 시스템에 대해 체계적으로 검토한다. 먼저 추천 시스템과 LLM의 발전 과정을 살펴본다. 이어서 LLM을 활용한 두 가지 추천 시스템 유형, 즉 ID 기반 추천 시스템과 텍스트 부가 정보 기반 추천 시스템을 소개한다.
다음으로 LLM을 추천 시스템에 적용하는 세 가지 주요 접근법인 사전 학습, fine-tuning, 프롬프팅에 대해 자세히 다룬다. 사전 학습 단계에서는 마스크 언어 모델링, 다음 토큰 예측 등의 방법을 통해 LLM을 추천 시스템에 맞게 사전 학습한다. Fine-tuning 단계에서는 전체 모델 fine-tuning과 매개변수 효율적 fine-tuning 두 가지 방법을 소개한다. 프롬프팅 단계에서는 in-context learning, 프롬프트 튜닝, 지시 튜닝 등의 기법을 통해 LLM을 추천 시스템에 적용한다.
마지막으로 LLM을 추천 시스템에 적용할 때의 주요 과제와 향후 연구 방향을 논의한다.
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問