LLM 기반 추천 리서치

 

기존에 공부했던 추천 시스템 논문들은 대개 Matrix completion - explicit와 implicit, Graph, Transformer 에 기반했다.

 

Netflix Prize Model, BPR, NeuMF, PinSAGE, LighGCN, SASRec 등이었다.

 

추가적으로 흥미롭게 읽는 모델은 triplet loss로 contrastive learning을 도입한 CML (Collaborative Metric Learning) 모델이었다. 

 

의류 패션 추천의 경우에 이미지를 사용한 멀티모달인 Personalized Outfit Recommendation with Learnable Anchors와 같은 논문도 읽었었는데 이 이후로는 CV나 NLP 같은 다른 분야에 집중해서 공부하느라 거의 업데이트가 되지 않았다.

 

대략 아래와 같이 추천에서 중요한 요소들을 정리할 수 있을거 같은데 LLM을 응용한 분야는 어떤지 찬찬히 살펴봐야겠다. 

 

User embedding

NLP의 token처럼 유저를 임베딩화

 

Item embedding

NLP의 token처럼 아이템을 임베딩화

 

User attributes

- gender

- age

- occupation

등등

 

Item Attributes

- Color

- Category / Genre

- Price

- Size / Length

- Image / Audio 등의 multimodal 피쳐들 

 

User-Item Interactions

- 유저와 아이템의 상호작용의 히스토리

- 상호작용은 한 가지가 아닐 수 있다. 보기, 카트담기, 구매 등 여러가지가 가능. 

 

Candidates Ranking

- 추천 목록의 랭킹 

 

Geographical data POI (Point of Interest)

- 근처 가게 추천와 같이 지역적 고려가 필요한 경우 

 

Temporal data Time, Seasonality 등등 

- 계절성이 있거나 점심시간대, 오후, 저녁시간대, 주중 주말 등의 구분이 필요한 경우

 

 

 

 

LLM 추천 관련해서 찾아볼 References:

 

https://lsjsj92.tistory.com/669

https://lsjsj92.tistory.com/667

https://digitalbourgeois.tistory.com/907

https://www.databricks.com/kr/blog/common-sense-product-recommendations-using-large-language-models

https://www.aitimes.kr/news/articleView.html?idxno=31680

https://velog.io/@passiona2z/LLM%EC%9D%84-%EC%B6%94%EC%B2%9C%EC%8B%9C%EC%8A%A4%ED%85%9C%EC%9C%BC%EB%A1%9C-%EC%82%AC%EC%9A%A9%ED%95%A0-%EC%88%98-%EC%9E%88%EC%9D%84%EA%B9%8C-%EC%84%9C%EB%B2%A0%EC%9D%B4-%EB%A6%AC%EB%B7%B0-1-Non-tuning

https://yamalab.tistory.com/219

Towards Next-Generation LLM-based Recommender Systems: A Survey and Beyond

A Survey on LLM-powered Agents for Recommender Systems

Chat-REC: Towards Interactive and Explainable LLMs-Augmented Recommender System

Enhancing Recommender Systems with Large Language Model Reasoning Graphs

LLMRec: Large Language Models with Graph Augmentation for Recommendation

Large Language Models meet Collaborative Filtering: An Efficient All-round LLM-based Recommender System

LLM-ESR: Large Language Models Enhancement for Long-tailed Sequential Recommendation