한국과학기술원(KAIST, 총장 이광형)은 박찬영 산업및시스템공학과 교수 연구팀이 네이버와 공동연구를 통해 대형언어모델(LLM) 기반 추천 기술의 기존 한계를 극복하고 빠르고 최상의 추천을 해주는 시스템을 개발했다고 17일 밝혔다.
이번 연구는 사용자-상품 상호작용 정보를 전통적인 협업 필터링 모델에서 추출해 LLM에 전달하는 새로운 방법이다. 특히, 사용자의 소비 이력이 많지 않은 상품 추천에서 평균 20%의 성능 향상, 다중-도메인(Cross-domain) 상품 추천에서 42%의 성능 향상을 이뤄냈다고 전했다.
기존 LLM 추천 기술은 상품 이름을 단순히 텍스트 형태로 LLM에 학습하는 방식이다. 하지만 연구팀은 상품 제목 및 설명과 같은 텍스트뿐 아니라 협업 필터링 지식, 즉, 사용자와 비슷한 상품을 소비한 다른 사용자들에 대한 정보가 정확한 상품 추천에 중요한 역할을 한다는 점에서 착안했다.
미리 훈련된 협업 필터링 기반 추천 모델로부터 사용자의 선호에 대한 정보를 추출하고 이를 LLM이 이해할 수 있도록 변환하는 경량화된 신경망을 도입했다.
LLM을 미세조정하지 않고 경량화된 신경망의 학습을 통해 LLM이 사용자의 선호를 이해할 수 있도록 했다. 이를 통해 기존 연구에 비해 학습 속도 253% 향상, 추론 속도 171% 향상, 상품 추천 평균 12%의 성능 향상을 이뤄냈다고 밝혔다.
박찬영 교수는 “이번 연구는 대화형 추천 시스템이나 개인화 상품 정보 생성 등 다양한 고도화된 추천 서비스를 등장시킬 수 있을 것"이라며 "추천 도메인에 국한되지 않고 이미지, 텍스트, 사용자-상품 상호작용 정보를 모두 사용하는 진정한 멀티모달 추천 방법론으로 나아갈 수 있을 것”이라고 말했다.
김세인 KAIST 산업및시스템공학과 박사과정 학생과 강홍석 KAIST 전산학부 학사과정 졸업생이 공동 제1 저자, 네이버의 김동현 박사, 양민철 박사가 공동 저자, KAIST 산업및시스템공학과의 박찬영 교수가 교신저자로 참여한 이번 연구는 데이터마이닝 최고권위 국제학술대회인 ‘국제 데이터 마이닝 학회(KDD 2024)’에서 올 8월 발표할 예정이다.
한편, 이번 연구는 네이버와 과학기술정보통신부의 재원으로 한국연구재단의 지원을 받아 수행됐다.
박수빈 기자 sbin08@aitimes.com
