KAIST 산업 및 시스템공학과 박찬영 교수 연구팀이 네이버와 공동으로 대형언어모델(LLM) 기반의 새로운 추천시스템 기술을 개발했다. 이 기술은 기존 LLM 기반 추천 기술의 한계를 극복하고, 빠르고 정확한 추천을 제공한다.

연구팀은 협업 필터링 기반 추천 모델에서 사용자 선호 정보를 추출하고, 이를 상품 텍스트와 함께 LLM에 주입하는 방식을 채택했다. 이를 통해 기존 연구 대비 학습 속도 253%, 추론 속도 171% 향상을 달성했으며, 상품 추천 성능도 평균 12% 개선되었다.

특히 이 기술은 소비 이력이 제한된 퓨샷 상품 추천에서 20%, 다중-도메인 상품 추천에서 42%의 성능 향상을 보였다. 다중-도메인 추천이란 한 분야에서 학습된 모델을 다른 분야의 추천에 활용하는 것을 의미한다.

기존 LLM 기반 추천 기술은 단순히 사용자가 소비한 상품 이름을 나열하는 방식이었다. 반면, 새로운 기술은 협업 필터링 지식을 활용하여 사용자 선호에 대한 더 깊은 이해를 가능하게 한다.

연구팀은 미리 학습된 협업 필터링 모델에서 사용자 선호 정보를 추출하고, 이를 LLM이 이해할 수 있는 형태로 변환하는 경량화된 신경망을 도입했다. 이 방식은 LLM의 추가 학습 없이도 효과적인 추천을 가능하게 하여, 학습과 추론 시간을 크게 단축했다.

박찬영 교수는 이 기술이 대화형 추천 시스템, 개인화 상품 정보 생성 등 다양한 고도화된 추천 서비스를 가능하게 할 것으로 전망했다. 또한, 이미지, 텍스트, 사용자-상품 상호작용 정보를 모두 활용하는 진정한 멀티모달 추천 방법론으로 발전할 수 있다고 밝혔다.

이 연구 결과는 오는 8월 스페인 바르셀로나에서 열리는 데이터마이닝 국제학술대회 ACM KDD 2024에서 발표될 예정이다.