본 논문은 기존의 구매, 조회, 클릭 등 표준화된 비언어적 사용자 피드백 기반 추천 시스템(RSs)에서 벗어나, 대규모 언어 모델(LLMs)을 활용한 자연어(NL) 기반 추천 시스템에 대해 논의한다. LLMs의 일반적인 NL 추론 능력을 활용하여 사용자의 미묘하고 다양한 선호도를 효과적으로 아이템과 연결하는 고도로 개인화된 RSs를 구축하는 새로운 기회를 제시한다. 이를 위해 먼저 언어 기반 추천의 주요 데이터 소스(아이템 설명, 사용자-시스템 상호작용, 사용자 프로필) 분류 체계를 제시하고, LLMs 추천을 위한 기본 기법(튜닝 및 비튜닝 설정에서 인코더 전용 및 자동 회귀 LLM 추천 사용)을 검토한다. 다음으로, LLMs가 검색 엔진 및 RSs와 같은 구성 요소와 다단계 파이프라인에서 상호 작용하는 다중 모듈 추천 아키텍처를 다룬다. 마지막으로, LLMs가 각 턴에서 추천을 제공할 뿐만 아니라 사용자와 상호 작용하여 선호도를 유도하고, 비판하고, 질문에 답변하는 다회전 대화를 가능하게 하는 대화형 추천 시스템(CRSs) 아키텍처를 제시한다.
