본 논문은 생성형 추천 시스템에서 사전 훈련된 언어 모델(PLM)의 일반적인 언어 지식과 추천 시스템의 특수한 요구사항 간의 차이점을 해결하고, 아이템의 다중 모달 정보 간 상호 보완적인 지식을 고려하기 위한 새로운 접근법인 MQL4GRec(Multimodal Quantitative Language for Generative Recommendation)을 제안합니다. MQL4GRec은 다양한 도메인과 모달리티의 아이템을 통합된 '정량적 언어'로 변환하여 추천 지식 전달을 용이하게 합니다. 텍스트 및 이미지 콘텐츠를 정량적 언어로 변환하는 정량적 번역기를 사용하고, 일련의 정량적 언어 생성 작업을 통해 의미 정보와 사전 지식을 풍부하게 합니다. 마지막으로, 사전 훈련 및 미세 조정을 통해 다양한 도메인과 모달리티의 추천 지식을 추천 작업으로 전달합니다. 실험 결과 세 가지 데이터셋에서 기준 모델 대비 NDCG 지표 기준으로 각각 11.18%, 14.82%, 7.95%의 성능 향상을 달성했습니다.
