Hyper-Precise and Explainable Recommendation using Collaborative Grounding between Large Language Models and Linear Recommender Models
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710114965
과학기술정보통신부
한국연구재단
한국외국어대학교연구산학협력단
박성민
5명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2028.08.31
4,517만원
4,517만원
기초연구
대학
경기도 용인시
정보/통신 > 정보이론 > 정보검색
본 연구는 \"선형 추천 모델의 항목 간 가중치 행렬에 담긴 폐쇄형 협업 지식을, 프롬프트 언어화와 파라미터 공간 통합이라는 상호 보완적인 두 경로로 거대 언어 모델에 접지하여 추천 추론의 정확도와 설명 가능성을 동시에 개선하는 통합 프레임워크 개발\"을 목표로 함. 이를 위해 (연구주제 1) 선택적 압축 기반 프롬프트 언어화와 (연구주제 2) 저계수 기반 파...
[연구주제 1: 선택적 압축 기반 프롬프트 언어화를 통한 선형 모델 협업 지식 주입]- 국소 이웃 추출: 사용자가 상호작용한 항목들에 대해, 밀집 가중치 행렬의 해당 행들을 모은 뒤 가장 강한 상위 k개의 협업 관계만 추출(k∈{5,10,20,50}). 사용자가 \"인셉션, 인터스텔라\"를 본 경우, 두 영화와 가장 강한 협업 관계를 가진 영화 5~50개만 선...
[연구과제의 활용방안](학술적 활용) 모든 연구 성과는 GitHub를 통해 오픈소스로 공개하며, 선형 추천 모델을 활용한 거대 언어 모델 기반 추천 파이프라인은 후속 연구자들이 즉시 활용 가능한 참조 구현체로 기능함.(산업체 활용 및 기술 이전) 본 연구의 결과물은 네이버, 쿠팡, 카카오 등 국내 대형 플랫폼의 추천 엔진에 직접 활용 가능함. 특히 연구주제...