Explain What You Mean: Intent Augmented Knowledge Graph Recommender Built With LLM
Created by
Haebom
Category
Empty
저자
Wenqing Zheng, Noah Fatsi, Daniel Barcklow, Dmitri Kalaev, Steven Yao, Owen Reinert, C. Bayan Bruss, Daniele Rosa
개요
본 논문은 추천 시스템에서의 상호작용 희소성 문제를 해결하기 위해 LLM(Large Language Model) 기반의 Intent Knowledge Graph Recommender (IKGR) 프레임워크를 제안합니다. IKGR은 검색 증강 생성 및 인코딩 기법을 활용하여 지식 그래프를 구축하고 밀도화하여 희소성 문제를 해결합니다. 특히, 상호 의도 연결성을 통해 잠재적인 사용자-아이템 친화도를 학습하고 해석 가능한 임베딩 변환 계층을 통해 의도 기반 추천을 수행합니다. 실제 데이터셋을 이용한 실험 결과, IKGR은 기존 최첨단 기법보다 성능이 우수함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
LLM을 활용하여 추천 시스템의 희소성 문제를 효과적으로 해결하는 새로운 방법 제시.
◦
검색 증강 생성 및 인코딩 기법을 통해 지식 그래프를 효율적으로 구축 및 밀도화.
◦
의도 기반 추천을 통해 해석 가능성을 높이고, 사용자의 의도를 더욱 잘 반영하는 추천 가능.
