본 논문은 다양한 도메인에 걸친 사용자 상호작용에 적응해야 하는 개인화 추천 시스템을 위한 MoE-MLoRA(Mixture-of-Experts MLoRA) 프레임워크를 제안합니다. MoE-MLoRA는 각 전문가 모델을 도메인별로 독립적으로 훈련한 후, 게이팅 네트워크를 통해 각 전문가의 기여도를 동적으로 가중합하는 방식입니다. Movielens와 Taobao 데이터셋에서 8가지 CTR 모델에 대한 평가 결과, 대규모 동적 데이터셋에서 성능 향상을 보였으나(Taobao-20에서 +1.45 Weighed-AUC), 도메인 다양성과 희소성이 낮은 구조화된 데이터셋에서는 제한적인 이점만을 제공했습니다. 도메인당 전문가 수에 대한 추가 분석을 통해, 전문가 수 증가가 항상 성능 향상으로 이어지지는 않음을 확인하여 모델별 최적화의 필요성을 시사합니다.
