본 논문은 대규모 전자상거래 추천 시스템에서 저활동 사용자들의 전환율(CVR) 예측의 정확성을 높이기 위한 새로운 프레임워크인 ChoirRec을 제안한다. 기존 접근 방식의 한계점인 잡음 신호 의존성, 부족한 사용자 수준 정보, 고활동 사용자 위주의 학습 편향을 해결하기 위해, 대규모 언어 모델(LLM)의 의미적 능력을 활용하여 사용자 그룹을 구성하고, 교차 사용자 지식 전송을 위한 이중 채널 아키텍처를 사용한다. ChoirRec은 (i) LLM을 활용하여 신뢰할 수 있는 사용자 클러스터를 형성하는 의미 그룹 생성 모듈, (ii) 희소 사용자 임베딩을 그룹 레벨 정보로 보강하는 그룹 인식 계층적 표현 모듈, (iii) 그룹 지식의 효과적인 학습과 활용을 위한 이중 채널 아키텍처와 적응형 융합 메커니즘을 사용하는 그룹 인식 다중 세분성 모듈로 구성된다. Taobao 플랫폼에서 진행된 실험 결과, 오프라인 GAUC는 1.16% 향상되었으며, 온라인 A/B 테스트에서 주문량이 7.24% 증가하여 실제 적용에서의 가치를 입증했다.
