본 논문은 사용자가 추천 아이템에 대해 느끼는 감정적 태도를 단순히 '좋아함' 이상으로 확장하여, '황홀경', '흥미', '쾌활함', '기쁨'과 같이 다양하고 세분화된 감정 상태까지 고려하는 새로운 추천 시스템을 제안합니다. 이를 위해 책 리뷰에서 추출한 사용자의 세분화된 감정 상태 표현을 포함하는 대규모 데이터셋을 구축하고, 해당 감정 표현을 입력으로 활용하는 Transformer 기반 아키텍처를 제시합니다. 구축된 데이터셋과 사용자의 독서 이력, 평점, 리뷰 정보를 활용하여 다양한 추천 모델을 학습 및 평가하고, 아이템과 사용자의 감정적 선호도를 매칭하는 추천 과제에 대한 실험을 진행합니다. 실험 결과, 아이템과 사용자의 감정적 선호도에 대한 텍스트 설명을 활용하는 모델이 가장 우수한 성능을 보였음을 보여줍니다.
