본 논문은 대규모 언어 모델(LLM)을 활용한 추천 시스템의 개인화 문제를 해결하기 위해, 사용자 선호도를 효과적으로 파악하고, 최신 사용자 히스토리를 반영하는 새로운 방법론인 Memory-Assisted Personalized LLM (MAP)을 제안한다. MAP은 사용자 상호작용을 통해 각 사용자의 히스토리 프로파일을 구축하고, 유사성을 기반으로 관련 메모리를 추출하여 프롬프트에 통합함으로써 개인화된 추천을 제공한다. 새로운 실험 환경을 구축하여 단일 도메인 및 교차 도메인 환경에서 MAP의 성능을 평가하며, 사용자 히스토리가 증가함에 따라 MAP의 성능이 더욱 향상됨을 입증한다.
