본 논문은 GPS 기반 기기의 증가로 인해 축적된 방대한 양의 과거 이동 경로 데이터를 활용하여 개인 맞춤형 경로 추천(PRR) 문제를 해결하는 새로운 데이터 기반 방법론을 제시합니다. 기존의 다익스트라 최단 경로 알고리즘과 달리, 기계 학습 모델을 활용하여 데이터 내 패턴을 학습하고 개인화된 경로를 생성합니다. 하지만 기존 기계 학습 모델은 학습 패턴에 제한되어 새로운 시나리오에 적응하기 어렵고, 새로운 시나리오마다 별도의 모델 학습이 필요하다는 한계가 있습니다. 본 논문에서는 대규모 언어 모델(LLM)의 자연어 이해 능력을 활용하여 추가 학습 없이 새로운 시나리오에 적응 가능한 통합 모델을 개발합니다. RAG(Retrieved Augmented Generation) 시스템과 유사하게, 사전 학습된 LLM의 지식과 외부 수동 생성 컨텍스트 정보를 결합하여 사용자 정의 요구 사항에 따른 경로 생성 능력을 향상시켰습니다. 다양한 데이터셋에 대한 실험 결과, LLM의 PRR 문제 해결 성능이 크게 향상됨을 보여줍니다.
