An Automatic Graph Construction Framework based on Large Language Models for Recommendation
Created by
Haebom
저자
Rong Shan, Jianghao Lin, Chenxu Zhu, Bo Chen, Menghui Zhu, Kangning Zhang, Jieming Zhu, Ruiming Tang, Yong Yu, Weinan Zhang
개요
본 논문은 그래프 기반 추천 시스템에서 그래프 생성 단계의 중요성을 강조하며, 대규모 언어 모델(LLM)을 활용한 자동 그래프 생성 프레임워크인 AutoGraph를 제안합니다. 기존의 그래프 생성 방법들이 단순하거나 노동 집약적인 한계를 극복하기 위해, AutoGraph는 LLM을 이용하여 사용자 선호도와 아이템 정보를 추론하고, 벡터 양자화를 통해 잠재 요소를 추출하여 그래프에 추가 노드로 통합합니다. 이를 통해 글로벌 뷰를 고려한 심층적인 의미를 가진 그래프를 생성하고, 메타패스 기반 메시지 집계를 통해 의미론적 및 협업적 정보를 효과적으로 집계합니다. 모델 독립적인 설계로 다양한 백본 모델과 호환되며, 실제 데이터셋을 통한 실험 결과 우수한 효율성과 효과성을 보였고, 화웨이 광고 플랫폼에 적용되어 온라인 A/B 테스트에서 RPM 2.69%, eCPM 7.31% 향상을 달성했습니다. 현재 수억 명의 사용자에게 서비스되는 주요 트래픽 모델로 활용되고 있습니다.
시사점, 한계점
•
시사점:
◦
LLM을 활용한 자동 그래프 생성을 통해 기존 방법의 단순성 및 노동 집약성 문제 해결.
◦
벡터 양자화 및 메타패스 기반 메시지 집계를 통해 글로벌 뷰를 고려한 효과적인 그래프 생성 및 정보 집계 가능.
◦
모델 독립적인 설계로 다양한 백본 모델과의 호환성 확보.
◦
실제 서비스 적용을 통해 성능 향상 검증 (RPM 2.69%, eCPM 7.31% 향상).
