![]() |
연구팀이 개발한 모델의 개요. KAIST 제공 |
KAIST는 산업및시스템공학과 박찬영 교수 연구팀이 네이버와 공동연구를 통해 협업 필터링 모델에서 생산되는 사용자-상품 상호작용 정보와 상품 텍스트 정보를 결합해 대형언어모델(LLM)에 주입하는 방식으로 기존보다 높은 정확도를 달성한 새로운 추천시스템 기술을 개발했다고 17일 밝혔다.
이번 연구는 기존 연구에 비해 학습 속도 253%, 추론 속도 171%, 상품 추천 12%가 각각 향상된 결과다. 사용자의 소비 이력이 제한된 상품 추천에서 20%, 다중 도메인 상품 추천에서도 42% 성능 향상을 이뤄냈다.
소셜미디어(SNS), 전자 상거래 플랫폼 등을 통해 소비자의 만족도를 높이는 다양한 추천서비스가 성행하고 있다. 기존 대형언어모델을 활용한 추천 기술은 소비자가 상품 이름을 단순히 텍스트 형태로 나열해 주입하는 방식이었다.
연구팀은 이를 뛰어넘어 상품 이름이나 설명 등 텍스트뿐 아니라 '협업 필터링' 지식 즉, 사용자와 비슷한 상품을 소비한 다른 사용자들에 대한 정보를 활용해 추천하는 방식을 고안했다. 미리 학습된 협업 필터링 기반 추천 모델로부터 사용자의 선호에 대한 정보를 추출하고 이를 대형언어모델이 이해할 수 있도록 변환하는 경량화된 신경망을 도입했다. 기존 연구보다 빠른 학습과 추론 속도를 달성할 수 있는 배경이다.
![]() |
박찬영 교수. |
그러면서 "추천 도메인에 국한되지 않고 이미지, 텍스트, 사용자-상품 상호작용 정보를 모두 사용하는 진정한 멀티모달 추천 방법론으로 나아갈 수 있을 것"이라고 덧붙였다.
한편 이번 연구는 산업및시스템공학과 김세인 박사과정 학생과 전산학부 강홍석 학사과정 학생이 공동 제1저자로 참여했으며 네이버 김동현 박사, 양민철 박사가 공동저자, KAIST 김찬영 교수가 교신 저자로 이름을 올렸다. 임효인 기자
중도일보(www.joongdo.co.kr), 무단전재 및 수집, 재배포 금지