본 논문은 단문과 콜드 스타트 문제로 특징지어지는 영역에서 고객 의도를 이해하고 인식하는 AI 시스템을 위한 에이전트형 LLM 프레임워크를 제안합니다. 기존 방법들의 한계를 극복하기 위해 계층적 토픽 모델링과 의도 발견을 통해 36개의 일반적인 사용자 의도를 278개의 세분화된 의도로 확장하고, 합성 사용자 쿼리 데이터를 생성하여 실제 발화를 보강하고, 특히 자원이 부족한 환경에서 사람의 주석에 대한 의존성을 줄입니다. LLM 기반의 토픽 모델링과 합성 발화의 전략적 활용을 통해 데이터셋의 변동성과 적용 범위를 향상시켜 온라인에서 새로운 고객 의도를 발견하고 인식하는 포괄적이고 강력한 프레임워크를 제시합니다. 특히, few-shot 프롬프팅을 통해 합성 쿼리의 질과 유용성을 높이고, LLM이 생성한 의도 설명과 키워드가 사람이 직접 만든 것과 효과적으로 대체될 수 있음을 보여줍니다.
