A Deep Analysis of the Unified Recommender Model Using Pre-trained Language Models and Suggestions for Improvement
Hyunsoo Kim, Junyoung Kim, Jongwuk Lee · 정보과학회 컴퓨팅의 실제 논문지 · 2024
추천 시스템[1]은 사용자의 숨겨진 선호도를 추론하고 이를 기반으로 사용자가 원하는 항목을 효과적으로 제공하는 것을 목표로 한다. 기존 연구는 각각의 추천 과업을 수행하기 위한 모델을 독립적으로 개발하였으며, 이에 따라 모델을 사전 정의된 과업 외 다른 과업에 활용할 수 없다는 한계가 있다. 이를 해결하기 위해서 사전 학습된 언어 모델을 활용하여 텍스트 기반의 통합된 모델 위에서 다양한 과업을 학습할 수 있는 통합 추천 모델인 P5[2]가 최근 제안되었다. 본 연구는 P5의 다섯 가지 과업을 심도 있게 분석하여 기존 방법의 한계점을 제시한다. 분석 결과를 토대로 기존 방법의 문제를 해결하기 위해 상품 분류 정보를 활용한 사용자 및 항목 표현을 언어 모델의 추가 어휘로 표현하는 새로운 방식을 제시한다. 실험 결과 다섯 가지 과업 중 네 가지 과업에서 기존 방법 대비 성능이 향상됨을 확인할 수 있었으며, 특히 순차적 추천 과업에서 75%의 큰 성능 향상을 확인하였다.