사전 훈련된 언어 모델(PLM)의 발전은 대화형 추천 시스템(CRS)을 향상시켰다. 정확성을 높이고 환각을 줄이기 위해 많은 방법론이 PLM과 지식 그래프(KG)를 통합하지만, 그래프 관계에 대한 PLM 추론을 완전히 활용하지 못하고, 컨텍스트 필터링 없이 검색된 지식을 무분별하게 통합하며, 다중 턴 대화에서 협업 선호도를 무시하는 등의 문제에 직면한다. 이를 해결하기 위해, 본 논문은 검색 증강 생성을 활용하여 PLM과 KG를 통합하는 프롬프트 기반 프레임워크인 PCRS-TKA를 제안한다. PCRS-TKA는 KG로부터 대화별 지식 트리를 구축하여 텍스트로 직렬화함으로써 구조 인식 추론을 가능하게 하고 풍부한 엔티티 의미론을 포착한다. 제안하는 접근 방식은 컨텍스트 관련 지식을 선택적으로 필터링하고, 특수화된 감독 신호를 사용하여 협업 선호도를 명시적으로 모델링한다. 의미 정렬 모듈은 이질적인 입력을 조화시켜 노이즈를 줄이고 정확도를 향상시킨다. 광범위한 실험 결과 PCRS-TKA가 추천 및 대화 품질 모두에서 모든 기준선을 지속적으로 능가함을 보여준다.
