LLM-Aligned Geographic Item Tokenization for Local-Life Recommendation
Created by
Haebom
Category
Empty
저자
Hao Jiang, Guoquan Wang, Donglin Zhou, Sheng Yu, Yang Zeng, Wencong Zeng, Kun Gai, Guorui Zhou
개요
대규모 언어 모델(LLM)의 발전을 활용하여 지역 기반 추천을 위한 LGSID 프레임워크를 제안합니다. 이 프레임워크는 RL 기반 지리적 LLM 정렬과 계층적 지리적 아이템 토큰화를 통해 세분화된 공간적 특성과 실제 거리 인식을 포착합니다. 제안된 방법은 Kuaishou 데이터셋에서 기존 추천 모델보다 우수한 성능을 보였습니다.
시사점, 한계점
•
시사점:
◦
LLM을 활용하여 지역 기반 추천의 정확도를 향상시킴
◦
지리적 정보를 효과적으로 통합하여 실제 공간 관계를 반영
◦
실제 산업 데이터셋에서 SOTA 성능을 달성
•
한계점:
◦
RL-based reward model의 학습 및 G-DPO 알고리즘 사용에 따른 계산 비용
