PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.21101v1cs.AI

생성형 추천은 콜드 아이템에 도달할 수 있는가? Semantic-ID 생성의 시간적 관점

Can Generative Recommendation Reach Cold Items? A Temporal Perspective on Semantic-ID Generation

Semantic-ID 기반 생성형 추천은 아이템을 공유 semantic 토큰의 시퀀스로 표현하여, 고립된 item ID를 넘어서는 토큰 재조합을 가능하게 한다. 그러나 폐쇄 세계(closed-world) 재조합이 반드시 시간적 개방-토큰 콜드스타트 유도(temporal open-token cold-start induction)를 의미하는 것은 아니다. 여기서 새로운 아이템은 보지 못한 원자적 토큰(unseen atomic tokens)이나 약하게 지원되는 SID 경로와 함께 item 카탈로그에 진입한다. 본 연구에서는 절대 시간 기반 시간 프로토콜 하에서 SID 기반 생성형 추천을 재검토한다. 이 프로토콜은 seen/unseen 타깃을 분리하고 토큰 수준에서 콜드 아이템 도달 가능성(cold item reachability)을 진단한다. seen/unseen 적중 분석, coldness 분류체계(coldness taxonomy), oracle-접두 문맥 탐색(oracle-prefix probing)을 통해, 현재 SID 기반 모델이 관측된 토큰과 접두 문맥으로 지원되는 미래 아이템에 때로는 도달할 수 있지만, 보지 못한 원자적 토큰과 지원되지 않는 SID 경로에서는 어려움을 겪는다는 것을 보인다. 우리는 SID 생성을 계층적 semantic bucketing으로 해석함으로써 이러한 경계를 추가로 설명한다. 초기 토큰은 coarse semantic 영역을 선택하고, 이후 토큰은 item-specific 경로를 정교화한다. 이러한 발견은 SID 생성이 조합적(compositional)이지만 완전히 개방적(open-ended)이지는 않음을 보여주며, 보다 독립적인 SID 공간, 점수 기반 인터페이스(scoring-based interfaces), 동적 텍스트 문맥(dynamic textual context)에서의 향후 방향을 제시한다.

arXiv:2606.25147v1cs.IR

TokenMinds: Pretrained User Tokens and Embeddings for User Understanding in Large Recommender Systems

대규모 추천에서 고정 차원 임베딩의 표현 한계와 텍스트 기반 사용자 토큰의 한계를 보완하기 위해, TokenMinds는 PLUM을 확장해 사전학습 LLM 기반 인코더-디코더로 Semantic ID(SID) 기반 이산 사용자 토큰과 밀집 사용자 임베딩을 동시에 생성한다. YouTube 전면 트래픽에서 오프라인·온라인 실험으로 검증했으며, 랭킹 등 다운스트림에서 토큰과 임베딩이 상호 보완적이고 장·단편 영상 교차 시나리오를 단일 모델로 통합해 학습·서빙 비용을 크게 줄인다.