본 논문은 스마트홈 환경에서 계절 변화, 생활 방식 변화, 습관 변화 등으로 인한 행동 변화에 적응하기 어려운 기존 지능형 모델의 한계를 해결하기 위해, LLM 기반의 합성 데이터 생성 프레임워크인 SmartGen을 제안합니다. SmartGen은 시간 및 의미론적 인식 분할 모듈, 의미론적 인식 시퀀스 압축, 그래프 기반 시퀀스 합성, 2단계 이상치 필터의 네 가지 주요 구성 요소로 이루어져 있습니다. 긴 행동 시퀀스를 의미적으로 일관성 있는 하위 시퀀스로 나누고, 대표적인 의미를 보존하면서 입력 길이를 줄이며, 행동 관계 그래프를 구성하여 LLM이 문맥 변화에 맞춰 데이터를 생성하도록 유도하고, 비현실적이거나 의미적으로 일관되지 않은 출력을 제거합니다. 세 개의 실제 데이터셋에 대한 실험 결과, SmartGen은 행동 변화 상황에서 이상 탐지 및 행동 예측 작업의 성능을 크게 향상시켰음을 보여줍니다(이상 탐지는 평균 85.43%, 행동 예측은 평균 70.51% 향상). 소스 코드는 깃허브에서 공개됩니다.
