Who You Are Matters: Bridging Topics and Social Roles via LLM-Enhanced Logical Recommendation
Created by
Haebom
저자
Qing Yu, Xiaobei Wang, Shuchang Liu, Yandong Bai, Xiaoyu Yang, Xueliang Wang, Chang Meng, Shanshan Wu, Hailan Yang, Huihui Xiao, Xiang Li, Fan Yang, Xiaoqiang Feng, Lantao Hu, Han Li, Kun Gai, Lixin Zou
개요
본 논문은 기존 추천 시스템의 한계점인 사용자 특징과 사회적 역할의 고려 부족을 해결하기 위해 사용자 역할 식별 및 행동 논리 모델링 태스크를 제안합니다. 대규모 언어 모델(LLM)과 추천 시스템을 통합한 TagCF 프레임워크를 제시하여 사용자의 역할과 아이템 주제 간의 논리적 관계를 명시적으로 모델링합니다. LLM의 세계 지식 및 논리 추론 능력을 활용하여 사용자 행동에 대한 이해를 높이고, 추출된 태그 기반 가상 논리 그래프를 추천 성능 향상에 활용합니다. 산업 및 공개 데이터셋을 이용한 온라인 및 오프라인 실험을 통해 TagCF의 효과성을 검증하고, 아이템 주제 모델링보다 사용자 역할 모델링이 더 효과적임을 보여줍니다. 또한, 추출된 논리 그래프가 다양한 추천 작업에 활용 가능한 일반적이고 전이 가능한 지식임을 증명합니다.