본 논문은 온라인 비디오 플랫폼에서 비디오와 댓글 상호작용을 모두 고려한 새로운 추천 시스템 LSVCR을 제안합니다. LSVCR은 순차 추천(SR) 모델을 주요 추천 백본으로 사용하고, 추가적인 대규모 언어 모델(LLM)을 보조 추천기로 활용합니다. 두 모델의 강점을 통합하기 위해 개인화된 선호도 정렬 및 추천 지향 미세 조정의 두 단계로 구성된 훈련 과정을 제시합니다. 실험 결과, 비디오 및 댓글 추천 작업 모두에서 LSVCR의 효과를 입증하였으며, KuaiShou 플랫폼에서의 A/B 테스트를 통해 댓글 시청 시간을 4.13% 향상시켰음을 확인했습니다. LLM은 배포 단계에서는 제외됩니다.
시사점, 한계점
•
시사점:
◦
비디오와 댓글 상호작용을 통합하여 사용자 선호도를 더욱 정확하게 모델링할 수 있음을 보여줌.
◦
순차 추천 모델과 LLM을 결합하여 추천 성능을 향상시키는 효과적인 방법 제시.
◦
실제 플랫폼(KuaiShou)에서의 A/B 테스트를 통해 실용적인 효과를 검증.
◦
댓글 시청 시간 증가라는 명확한 성과 도출.
•
한계점:
◦
LLM을 보조적으로 사용하고 배포 단계에서 제외함으로써 LLM의 잠재력을 완전히 활용하지 못할 수 있음.
◦
KuaiShou 플랫폼 특징에 맞춰 개발되었으므로 다른 플랫폼으로의 일반화 가능성에 대한 추가 연구 필요.
