본 논문은 추천 시스템에서 개인 정보 최소화 원칙을 적용하는 문제를 다룹니다. 추천 시스템은 방대한 개인 데이터에 의존하기 때문에 개인 정보 최소화 원칙을 적용하는 것은 어려운 과제입니다. 본 논문은 암묵적 피드백 추론 데이터 최소화에 대한 실행 가능성 연구를 수행하며, 새로운 문제 정의를 제시하고 다양한 최소화 기법을 분석하며, 그 효과에 영향을 미치는 주요 요소들을 조사합니다. 성능 저하 없이 상당한 추론 데이터 감소가 기술적으로 가능함을 보여줍니다. 하지만 그 실용성은 기술적 설정(예: 성능 목표, 모델 선택)과 사용자 특성(예: 히스토리 크기, 선호도 복잡성)에 크게 좌우됩니다. 따라서 기술적 실행 가능성을 입증했지만, 데이터 최소화는 여전히 실질적으로 어려우며 기술적 및 사용자 맥락에 대한 의존성 때문에 데이터 '필요성'에 대한 보편적인 표준을 구현하기 어렵다는 결론을 내립니다.
