본 논문은 사용자의 흥미와 일치하는 예상치 못한 측면을 접했을 때 기억에 남는 경험을 제공하는 레스토랑이나 호텔과 같은 서비스 분야에 초점을 맞춥니다. 예를 들어, 종이 공예에 열정적인 고객에게 레스토랑 대기 공간의 오리가미 만들기 체험은 놀랍고 즐거운 경험이 될 수 있습니다. 이러한 통찰력을 바탕으로, 본 논문은 비정형적인 측면을 가진 아이템을 추천하여 우연성(serendipity)을 설계하는 새로운 과제를 제시합니다. LLM 기반 시스템 파이프라인을 통해 아이템 리뷰에서 비정형적인 측면을 추출하고, 사용자 특정 유틸리티를 측정하여 우연성 잠재력을 평가하고 집계하여 사용자에게 추천된 아이템 목록을 재순위화합니다. 시스템 개발 및 평가를 용이하게 하기 위해, 비정형적인 측면으로 수동 주석이 달린 Yelp 리뷰 데이터셋과 인공적으로 생성된 사용자 프로필 데이터셋, 그리고 사용자-측면 유틸리티 값에 대한 크라우드소싱 주석을 함께 소개합니다. 또한, 문맥 내 학습 예제의 동적 선택을 위한 사용자 정의 절차를 도입하여 비정형성 및 유틸리티에 대한 LLM 기반 판단을 개선합니다. 실험 결과, 시스템에 의해 생성된 우연성 기반 순위는 비정형적 측면과 사용자 의존적 유틸리티에 대한 수동 주석으로부터 계산된 기준 진실 순위와 높은 상관관계를 보입니다. 전반적으로, 본 논문에서 제시된 새로운 추천 과제와 관련 시스템이 향상된 사용자 만족도를 추구하는 정확성을 넘어서는 추천 접근 방식에 대한 추가 연구를 촉진하기를 기대합니다. 데이터셋과 코드는 공개적으로 제공됩니다.
