쉽고 빠르게 익히는 실전 LLM - CHAPTER 6. 임베딩과 모델 아키텍처 맞춤화

추천 시스템 만들기

 

1. 문제와 데이터 설정

훈련 및 테스트셋으로 분리

 

2. 추천의 문제 정의

[고려할 요소]

사용자 특성 - 연령, 검색 기록, 과거 아이템 상호작용

아이템 특성 - 장르, 가격, 인기도

사용자의 감정 상태, 시간, 기분, 맥락 등

 

[패턴 활용]

사용자의 과거 선호도를 바탕으로 아이템 추천 + 사용자가 이전에 상호작용한 아이템과 유사한 아이템 추천

 

[탐색]

사용자가 이전에 고려하지 않았을 아이템 제안

 

[콘텐츠 기반 추천]

추천되는 아이템 특성에 초점을 맞추어 사용자의 과거 상호작용을 기반으로 비슷한 콘텐츠 추천

 

[협업 필터링]

사용자의 선호도와 행동을 활용하여 유사한 관심사, 취향을 가진 사용자 간 패턴을 식별하여 추천

- 유사한 선호도를 가진 사용자를 찾고 그 사용자들이 좋아하는 사용자 기반 협업 필터링

- 다른 사용자들의 상호작용을 기반으로 사용자가 이전에 좋아했던 아이템과 유사한 아이템을 찾는 아이템 기반 협업 필터링

 

> 바이-인코더 파인튜닝

ex) 추천한 사람의 선호도를 기반으로 유사한 애니메이션 제목을 효과적으로 식별할 수 있는 추천 시스템 제작

 

3. 추천 시스템 개요

- 사용자 ID와 정수 k 입력

- 높은 평점의 아이템 식별하여 관련성이 높은 아이템 k개의 결과를 가져옴

- 관련 아이템에 점수 부여 (+1, 0, -1)

 

4. 항목 비교를 위한 맞춤형 설명 필드 생성

아이템의 타이틀보다 더 포괄적으로 맥락을 파악할 수 있게 하여 추천의 질 향상

ex) 줄거리 요약, 캐릭터 설명, 장르 등 여러 특성을 결합해 아이템에 대한 다차원적 표현을 생성

 

5. 파운데이션 임베더로 기준선 설정

기준 성능 설정