사용자의 데이터를 제거하면서 다른 사용자에 대한 추천을 방해하지 않아야 하는 '잊혀질 권리'와 같은 개인 정보 보호 규정을 준수하는 데 있어 현대 추천 시스템이 직면한 과제를 해결합니다. CRAGRU는 검색 증강 생성(RAG)을 활용하여 효율적이고 사용자별로 데이터를 제거하며, 편향을 완화하면서 추천 품질을 유지하는 새로운 프레임워크입니다. CRAGRU는 데이터 제거를 검색 및 생성 단계로 분리합니다. 검색 단계에서는 대상 사용자의 데이터 영향을 정확하게 분리하여 관련 없는 사용자에 대한 부수적 영향을 최소화하고 데이터 제거 효율성을 향상시키기 위해 설계된 세 가지 맞춤형 전략을 사용합니다. 생성 단계에서는 LLM을 사용하여 전체 기본 모델을 다시 학습할 필요 없이 정확하고 개인화된 추천을 재구성합니다. 실험 결과는 CRAGRU가 대상 사용자 데이터를 효과적으로 제거하고, 비대상 사용자에게 부정적인 영향을 미치는 것을 방지하여 데이터 제거 편향을 유의미하게 완화하며, 전체적으로 학습된 원래 모델과 비교할 만한 추천 성능을 유지함을 보여줍니다.
