A Survey on LLM-based News Recommender Systems
작성자
- Haebom
카테고리
비어 있음
저자
Rongyao Wang, Veronica Liesaputra, Zhiyi Huang
개요
본 논문은 대규모 언어 모델(LLM) 기반 뉴스 추천 시스템에 대한 체계적인 조사를 제공합니다. 기존의 심층 학습 기반 뉴스 추천 시스템에 대한 연구는 있었지만, LLM을 활용한 시스템에 대한 종합적인 검토는 부족했습니다. 이 논문은 차별적 LLM(DLLM)과 생성적 LLM(GLLM) 기반 뉴스 추천 시스템을 LLM 기반 시스템으로 분류하고, 뉴스 지향적 모델링, 사용자 지향적 모델링, 예측 지향적 모델링 세 가지 측면에서 검토합니다. 또한 데이터셋, 벤치마킹 도구, 방법론 등 다양한 관점에서의 과제를 조사하고, 실험을 통해 LLM 기술이 뉴스 추천 시스템 성능에 미치는 영향을 분석하며, LLM 시대의 LLM 기반 뉴스 추천의 미래 방향을 탐구합니다.
시사점, 한계점
•
시사점:
◦
LLM 기반 뉴스 추천 시스템에 대한 최초의 체계적인 조사 제공.
◦
DLLM과 GLLM 기반 시스템의 장단점 비교 분석.
◦
LLM 기술이 뉴스 추천 시스템 성능에 미치는 영향에 대한 실험적 분석 결과 제시.
◦
LLM 기반 뉴스 추천의 미래 방향 제시.
•
한계점:
◦
아직 초기 단계인 LLM 기반 뉴스 추천 시스템 연구의 특성상, 장기적인 추세 예측의 정확도에 한계가 있을 수 있음.
◦
특정 LLM 또는 데이터셋에 대한 편향성이 존재할 가능성.
◦
새로운 LLM 기술의 등장으로 인해 논문의 내용이 빠르게 구식이 될 가능성.
