트레일: 대형 언어모델로 예측하는 내일의 인기와 설명

초록

TRAIL은 대형 언어모델을 미세조정해 단기 아이템 인기 예측과 자연어 설명을 동시에 생성한다. 인기 추세와 아이템 메타데이터를 기반으로 긍정·부정 샘플을 구성하고, 대비학습을 적용해 설명의 일관성을 확보한다. 실험 결과, 기존 인기 기반·LLM 기반 추천 모델들을 크게 앞서며, 설명도 인간 평가에서 높은 설득력을 보였다.

상세 분석

본 논문은 두 가지 핵심 문제를 동시에 해결한다. 첫째, 대형 언어모델(LLM)이 사용자‑아이템 로그와 같은 고차원, 희소한 구조 데이터를 직접 활용하기 어렵다는 점이다. 둘째, 실시간으로 모든 사용자‑아이템 쌍에 대해 LLM을 호출하면 연산 비용이 폭증해 실서비스에 부적합하다는 점이다. TRAIL은 이러한 제약을 피하기 위해 ‘비개인화’ 방식, 즉 전체 사용자에게 동일하게 제공되는 단기 인기 리스트를 예측하도록 설계하였다.

모델 아키텍처는 사전학습된 LLM(예: LLaMA, GPT‑3 계열)을 베이스로 하며, 입력으로 아이템의 정적 텍스트 설명(d_i)와 과거 인기 시계열 h_Ti=