From What to Why: Thought-Space Recommendation with Small Language Models
Created by
Haebom
저자
Prosenjit Biswas, Pervez Shaik, Abhinav Thorat, Ravi Kolla, Niranjan Pedanekar
개요
SLM을 활용하여 사용자 및 아이템에 대한 공통 이해를 구축하는 PULSE 프레임워크를 제안합니다. 이 프레임워크는 SLM이 생성한 자연어 설명을 학습 신호로 활용하여 사용자 행동(what)과 그 근본적인 원인(why)을 함께 모델링합니다. PULSE는 기존의 ID 기반, 협업 필터링, LLM 기반의 추천 모델보다 우수한 성능을 보이며, 특히 cross-domain 추천 및 추론 기반 질문 응답과 같은 다운스트림 task에서 강점을 보입니다.
시사점, 한계점
•
SLM을 활용하여 효율적인 추천 모델을 구축하고, 자연어 설명을 학습 신호로 활용하는 새로운 접근 방식을 제시함.
•
다양한 벤치마크 데이터셋에서 기존 모델들을 능가하는 성능을 입증함.
•
cross-domain 추천 및 추론 기반 질문 응답과 같은 downstream task에서 우수한 성능을 보임.
•
SLM에 의존하기 때문에, SLM의 성능에 따라 모델의 성능이 제한될 수 있음.
•
자연어 설명 생성 및 활용 과정에서의 noise와 불확실성을 어떻게 처리하는지에 대한 추가적인 연구가 필요함.
