Deep Interest Mining for Intent-Enriched Semantic IDs in Multimodal Generative Recommendation
Author
- Haebom
Category
Empty
저자
Yangchen Zeng, Jinze Wang
💡 개요
본 논문은 생성 추천 시스템에서 사용하는 의미론적 ID(SID)의 품질을 향상시키기 위해 사용자 의도를 풍부하게 담은 새로운 프레임워크인 DeepInterestGR을 제안합니다. 제안된 방법론은 멀티모달 정보를 활용하여 아이템 표현을 보강하고, LLM을 통해 아이템 자체의 잠재적 사용 의도를 추출하며, 생성된 SID의 관련성을 검증하는 강화된 보상 메커니즘을 적용합니다. 이를 통해 기존 추천 시스템 대비 최대 15.1%의 NDCG@5 향상이라는 주목할 만한 성과를 달성했습니다.
🔑 시사점 및 한계
•
의도 기반 아이템 표현 강화의 중요성: 아이템의 표면적 메타데이터뿐만 아니라 시각적 정보와 아이템 자체의 잠재적 사용 의도를 통합하는 것이 추천 품질 향상에 핵심적인 역할을 합니다.
•
생성 추천에서의 정확하고 의미론적인 보상 설계: 단순한 생성의 유창함이 아닌, 생성된 아이템이 실제 사용자 의도와 관련성이 있는지를 평가하는 보상 메커니즘이 중요합니다.
•
데이터 및 평가 환경의 제한성: 본 연구는 특정 제품 카테고리(뷰티, 스포츠, 악기) 및 Amazon Product Review 데이터셋에 국한되어 있어, 다양한 도메인 및 데이터셋에 대한 일반화 가능성 검증이 필요합니다.
