본 논문은 기존 기반 모델(FM)의 주요 과제인 일반화와 개인화 간의 상충관계를 해결하기 위해 연합 기반 모델(FFM)을 제안합니다. FFM은 분산 프로세스를 통해 공유 지식과 개별적인 적응을 분리하는 구조적 수단을 제공합니다. 특히 추천 시스템은 사용자의 고유 특성을 반영하는 풍부한 암묵적 피드백에 의존하기 때문에 FFM을 위한 이상적인 테스트 환경을 제공합니다. 본 논문에서는 FFM이 일반화 능력을 활용할 뿐만 아니라 사용자 개성의 무결성을 유지하도록 특별히 설계된 새로운 학습 패러다임을 추천 시스템의 맥락에서 논의합니다. 개인화된 적응형 FM으로 구동되는 미래의 개인 에이전트가 사용자의 콘텐츠 결정을 안내하는 비전을 제시하며, 이러한 아키텍처는 사용자가 개인 에이전트를 제어할 수 있는 사용자 중심의 분산 시스템을 약속합니다.
시사점, 한계점
•
시사점:
◦
연합 기반 모델(FFM)을 활용하여 기반 모델의 일반화와 개인화 간의 상충관계를 해결할 수 있는 새로운 가능성 제시.
