Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Automating Customer Needs Analysis: A Comparative Study of Large Language Models in the Travel Industry

Created by
  • Haebom

저자

Simone Barandoni, Filippo Chiarello, Lorenzo Cascone, Emiliano Marrale, Salvatore Puccio

개요

본 연구는 TripAdvisor와 Reddit 게시글에서 여행 고객의 니즈를 추출하기 위한 대규모 언어 모델(LLM)의 비교 분석을 수행했습니다. GPT-4, Gemini와 같은 오픈소스 및 독점 모델들을 다양하게 활용하여 특정 도메인에서 각 모델의 강점과 약점을 밝히고자 했습니다. BERTScore, ROUGE, BLEU와 같은 지표를 사용하여 평가 과정을 거쳐 각 모델의 고객 니즈 정확한 식별 및 요약 성능을 평가했습니다. 그 결과, Mistral 7B와 같은 오픈소스 LLM이 더 큰 폐쇄형 모델과 비슷한 성능을 달성하면서 경제성과 사용자 정의 가능성이라는 이점을 제공함을 강조했습니다. 또한 고객 니즈 분석 작업에 가장 적합한 LLM을 선택할 때 모델 크기, 리소스 요구 사항 및 성능 지표와 같은 요소를 고려하는 것이 중요함을 강조했습니다. 전반적으로 이 연구는 여행 업계에서 고객 경험 향상과 운영 효율성을 높이기 위해 고급 NLP 기술을 활용하고자 하는 기업에 귀중한 통찰력을 제공합니다.

시사점, 한계점

시사점:
오픈소스 LLM (Mistral 7B 등)이 고객 니즈 분석에서 대형 독점 모델과 유사한 성능을 보임을 확인.
오픈소스 모델의 경제성과 사용자 정의 가능성을 강조.
고객 니즈 분석에 적합한 LLM 선택 시 모델 크기, 리소스, 성능 지표 등을 고려해야 함을 제시.
여행 업계의 고객 경험 향상 및 운영 효율 증대를 위한 NLP 기술 활용 방안 제시.
한계점:
연구에 사용된 모델의 종류 및 수가 제한적일 수 있음.
특정 플랫폼(TripAdvisor, Reddit)의 데이터에만 국한된 결과일 수 있음.
BERTScore, ROUGE, BLEU 외 다른 평가 지표를 추가적으로 고려할 필요성.
모델의 일반화 성능 및 다양한 언어/문화적 맥락에 대한 고려 부족 가능성.
👍