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.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문