본 논문은 다양한 도메인의 정보를 통합하여 사용자-아이템 상호작용을 풍부하게 하는 교차 도메인 시퀀스 추천(CDSR)의 발전을 다룹니다. 기존 연구의 불균형 문제와 전환 문제를 해결하기 위해, 대규모 언어 모델(LLM)을 활용한 새로운 방법론, LLM-EDT를 제안합니다. LLM-EDT는 전이 가능한 아이템 증강기를 통해 불균형 문제를 완화하고, 이중 단계 훈련 전략을 통해 전환 문제를 해결하며, 도메인 인식 프로파일링 모듈을 통해 사용자 선호도를 더욱 정확하게 파악합니다. 세 개의 공개 데이터셋에 대한 실험을 통해 LLM-EDT의 효과를 검증했습니다.
시사점, 한계점
•
시사점:
◦
교차 도메인 시퀀스 추천에서 LLM의 활용 가능성을 제시함.
◦
불균형 문제, 전환 문제, 거친 프로파일링 문제 등 CDSR의 주요 난제를 해결하기 위한 구체적인 방법론을 제시함.
◦
전이 가능한 아이템 증강기, 이중 단계 훈련 전략, 도메인 인식 프로파일링 모듈 등 혁신적인 기술을 제안함.
