본 논문은 대규모 언어 모델(LLM)이 생성하는 풍부하지만 고차원적이고 잡음이 많은 다중 모드 특징을 효과적으로 활용하는 데 어려움을 겪는 현대 추천 시스템의 한계를 해결한다. 이 문제를 해결하기 위해, 다중 모드 및 협업 지식을 심층적으로 융합하여 표현 잡음 제거를 수행하는 새로운 프레임워크를 제시한다. 이 프레임워크는 차원 축소를 추천 모델에 직접 통합하고, 대비 학습 목표를 통해 협업 필터링 신호를 잠재 공간에 명시적으로 통합하는 두 가지 주요 기술 혁신을 포함한다. 실험을 통해 제안된 방법이 기존 방법보다 우수한 성능을 보임을 입증한다.
