Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Explain What You Mean: Intent Augmented Knowledge Graph Recommender Built With An LLM

Created by
  • Haebom

저자

Wenqing Zheng, Noah Fatsi, Daniel Barcklow, Dmitri Kalaev, Steven Yao, Owen Reinert, C. Bayan Bruss, Daniele Rosa

개요

본 논문은 추천 시스템에서의 상호작용 희소성 문제를 해결하기 위해 LLM 기반 의도 지식 그래프 추천 시스템(IKGR)을 제안합니다. IKGR은 검색 증강 생성 및 인코딩 기법을 활용하여 지식 그래프를 구축하고 밀도를 높입니다. 기존의 상호작용 지식 그래프에서 잠재적인 사용자-아이템 연관성을 활용하고, 상호 의도 연결성을 통해 이를 더욱 밀도화하여 희소성 문제를 해결합니다. 해석 가능한 임베딩 변환 계층을 통해 의도 기반 추천을 수행하며, 실제 데이터셋을 이용한 실험 결과, 기존 최고 성능의 기법들을 능가하는 성능을 보였습니다.

시사점, 한계점

•
시사점:
◦
LLM 기반의 새로운 추천 시스템 프레임워크인 IKGR을 제시하여 추천 시스템의 희소성 문제를 효과적으로 해결.
◦
검색 증강 생성 및 인코딩 기법을 활용하여 지식 그래프를 효율적으로 구축하고 밀도화.
◦
의도 기반 추천을 통해 해석 가능성을 높임.
◦
실제 데이터셋을 이용한 실험을 통해 기존 방법 대비 성능 향상을 입증.
•
한계점:
◦
제안된 방법의 성능은 사용된 LLM 및 데이터셋에 따라 달라질 수 있음.
◦
LLM 기반 모델이므로, 높은 연산 자원을 필요로 할 수 있음.
◦
실험에 사용된 내부 데이터셋에 대한 접근성이 제한적일 수 있음.
◦
데이터 품질 및 잡음에 대한 영향이 충분히 고려되지 않았을 가능성이 있음.
👍
Made with Slashpage