GRAM: Generative Recommendation via Semantic-aware Multi-granular Late Fusion
Created by
Haebom
저자
Sunkyung Lee, Minjin Choi, Eunseong Choi, Hye-young Kim, Jongwuk Lee
개요
본 논문은 대규모 언어 모델의 지식을 활용하여 추천을 텍스트-텍스트 생성 작업으로 공식화하는 생성 추천의 새로운 패러다임을 제시합니다. 기존 연구의 한계점인 암시적 아이템 관계 통합 및 풍부하지만 긴 아이템 정보 활용 문제를 해결하기 위해, 의미 기반 다중 입자 후기 융합(GRAM)을 통한 생성 추천 모델을 제안합니다. GRAM은 암시적 계층적 및 협업적 아이템 관계를 LLM의 어휘 공간으로 인코딩하는 의미-어휘 변환과 다중 입자 프롬프트에 대한 별도의 인코더를 사용하여 디코딩 단계까지 융합을 지연시키는 다중 입자 후기 융합을 통해 효율적으로 풍부한 의미를 통합합니다. 네 개의 벤치마크 데이터셋 실험 결과, GRAM은 기존 최첨단 생성 추천 모델들을 능가하여 Recall@5에서 11.5-16.0%, NDCG@5에서 5.3-13.6%의 성능 향상을 달성했습니다. 소스 코드는 https://github.com/skleee/GRAM 에서 확인 가능합니다.