PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.06779v1cs.IR

간극을 메우라: 다중 버티컬 추천에서 LLM으로 행동 실로를 연결

Mind the Gap: Bridging Behavioral Silos with LLMs in Multi-Vertical Recommendations

DoorDash와 같은 다중 버티컬 e-commerce 플랫폼에서 식료품·리테일 같은 상대적으로 새로운 상품 버티컬은 개인화 혁신의 중요한 기회를 제공한다. 핵심 과제는 사용자에 대한 콜드 스타트(cold start) 문제를 해결하는 것이다. 본 논문은 데이터가 풍부한 버티컬(예: DoorDash의 레스토랑)에서 데이터가 희박한 버티컬로 지식을 전이하여 추천 품질을 향상시키는 새로운 프레임워크를 제안한다. 우리는 대규모 언어 모델(LLM)을 활용해 생성적 추론을 수행하고, 잠재적 사용자 선호를 담는 희소 고차원 특성을 합성한다. 구체적으로, 사용자의 레스토랑 주문 이력과 검색 쿼리로부터 다층 분류(taxonomic) 특성을 도출하기 위해 계층적 검색-증강 생성(RAG) 파이프라인을 사용한다. 이렇게 생성된 특성은 장기적 교차-버티컬 선호와 단기적 의도를 모두 인코딩하며, 프로덕션 다중 태스크 학습(MTL) 랭킹 모델에 통합된다. 광범위한 오프라인 및 온라인 평가를 통해, 이 접근법이 신흥 비즈니스 버티컬에서 개인화와 참여도를 크게 향상시키며 행동 데이터 간극을 효과적으로 메운다는 것을 입증한다.