• 목록

[일시]
2025.05.28

[세미나 주제]
Structured Customer Embedding via Instruction-Tuned Dialogue Modeling

[발표자]
조연경

[요약]
본 발표에서는 고객 대화 기반 추천 시스템의 해석력과 예측 성능을 향상시키기 위한 구조화된 사용자 임베딩 기법을 제안한다. 고객의 자연어 메시지를 요약한 후, 이를 정해진 형식의 구조화된 데이터로 변환하고 수치 벡터로 표현함으로써 cold-start 상황에서도 효과적인 추천이 가능할 것으로 기대된다. 본 접근 방식은 LLM을 활용하여 고객 발화를 요약하고, JSON 기반 스키마에 따라 구조화한 뒤 벡터화하여 추천 및 클러스터링에 활용하는 일련의 과정을 포함한다. 이 과정을 통해 고객 특성을 해석 가능한 형태로 유지하면서도 정량적인 분석이 가능한 표현으로 전환함으로써, 추천의 정확도와 시스템의 실용성을 함께 확보할 수 있다.
기존의 ID 기반 표현 방식은 해석과 조정에 한계가 있는 반면, 본 연구에서는 자연어 기반 요약과 프롬프트 구성 전략을 결합하여 보다 투명하고 유연한 추천 구조를 구성하는 방안을 제시한다. 생성된 고객 벡터는 세그먼트 분석, 고객 설명, 추천 등 다양한 downstream 작업에 연동이 가능하며, 실시간 개인화 환경에서도 적용이 용이한 구조로 설계되었다. 특히 Soft Prompt와 Hard Prompt를 병렬적으로 사용하는 방식은 단일 입력 방식보다 더 우수한 성능을 보일 것으로 예상되며, 이를 통해 고객 메시지 기반 표현의 구조화가 추천 시스템의 핵심 구성 요소로 자리잡을 수 있음을 시사한다.

[관련 논문]
- Language-Based User Profiles for Recommendation
- Collaborative Large Language Model for Recommender Systems