전자상거래 플랫폼 등에 쓰이는 '추천 서비스' 적용 기술로 '거대언어모델(LLM)'이 각광을 받는 가운데 국내 산·학 연구진이 기존 한계를 극복한 시스템을 구현했다.
한국과학기술원(KAIST·총장 이광형)은 '협업 필터링' 기반 추천 모델이 학습한 사용자 선호 정보를 상품의 텍스트와 함께 LLM에 주입해 높은 상품 추천 정확도를 달성할 수 있도록 한 추천시스템 기술을 개발했다고 17일 밝혔다.
박찬영 산업 및 시스템공학과 교수팀이 네이버와 공동연구로 이룬 성과다.
기존 연구보다 학습 속도는 253%, 추론 속도는 171%, 상품 추천에서 평균 12% 성능 향상을 이뤄냈다. 특히 사용자 소비 이력이 제한된 '퓨샷(Few-shot) 상품' 추천에서 평균 20%, 다른 도메인 학습 모델을 추가 학습 없이 사용하는 '다중-도메인 상품 추천'에서는 42% 성능 향상을 이뤄냈다.
기존 LLM 활용 추천 기술은 소비 상품 이름들을 단순히 텍스트 형태로 나열해 주입하는 방식이다. 예를 들어 '극한직업, 범죄도시1, 범죄도시2를 보았을 때 다음 시청할 영화는?'이라고 묻는 식이다.
이에 반해 연구팀의 기술은 비슷한 상품을 소비한 다른 사용자들에 대한 정보(협업 필터링 지식)가 상품 추천에 중요한 역할을 한다.
다만 이런 정보를 텍스트화하는 것에는 한계가 존재한다. 이에 연구팀은 미리 학습된 협업 필터링 기반 추천 모델로부터 사용자 선호 정보를 추출하고, LLM이 이해할 수 있도록 변환하는 경량화된 신경망을 도입했다.
개발 기술 특징은 LLM 추가 학습이 필요없다는 점이다. 직접 학습 대신 경량화된 신경망 학습으로 LLM이 사용자 선호를 이해할 수 있도록 해 빠른 학습과 추론 속도를 달성했다.
박찬영 교수는 “제안한 기술로 대화형 추천 시스템이나 개인화 상품 정보 생성 등 다양한 고도화 추천 서비스를 등장시킬 수 있을 것”이라며 “이미지, 텍스트, 사용자-상품 상호작용 정보를 모두 사용하는 진정한 멀티모달 추천 방법론으로 나아갈 수 있을 것”이라고 말했다.
연구에는 김세인 KAIST 산업 및 시스템공학과 박사과정 학생과 강홍석 전산학부 학사과정(졸업) 학생이 공동 제1 저자로, 네이버의 김동현·양민철 박사가 공동 저자로, 박찬영 교수가 교신저자로 참여했다.
김영준 기자 kyj85@etnews.com
