지식 강화 프롬프트 학습을 통한 통합 대화형 추천 시스템 방향

대화형 추천 시스템(ConvRS)은 자연어 대화를 통해 사용자의 선호도를 능동적으로 탐색하고, 고품질의 아이템을 추천하는 것을 목표로 한다. 일반적으로 ConvRS는 사용자에게 선호되는 아이템을 예측하는 추천 모듈과 적절한 응답을 생성하는 대화 모듈로 구성된다. 효과적인 ConvRS를 개발하기 위해서는 두 모듈을 원활하게 통합하는 것이 필수적이다. 기존의 연구들은 주로 의미적 일치 전략을 설계하거나, 두 모듈 간에 지식 자원과 표현을 공유하는 방식을 사용한다. 그러나 이러한 접근 방식은 여전히 두 모듈을 개발하는 데 서로 다른 아키텍처나 기술을 사용하므로, 모듈 간의 효과적인 통합이 어렵다는 한계가 있다.이 문제를 해결하기 위해, 본 연구에서는 지식 강화 프롬프트 학습 기반의 통합형 ConvRS 모델인 UniCRS를 제안한다. 제안하는 방법은 추천과 대화라는 두 하위 작업을 프롬프트 학습 패러다임으로 통합하며, 고정된 사전 훈련된 언어 모델(PLM)을 기반으로 한 지식 강화 프롬프트를 활용하여 일관된 접근 방식으로 두 하위 작업을 수행한다. 프롬프트 설계 시, 융합된 지식 표현(fused knowledge representations), 작업 특화 소프트 토큰(task-specific soft tokens), 대화 맥락(dialogue context)을 포함함으로써, PLM이 ConvRS 작업에 적합하게 적응할 수 있도록 풍부한 맥락 정보를 제공한다. 또한 추천 하위 작업을 위해 생성된 응답 템플릿을 프롬프트의 중요한 구성 요소로 포함시켜, 두 하위 작업 간의 정보 상호작용을 더욱 강화한다. 두 개의 공개된 ConvRS 데이터셋을 대상으로 수행한 광범위한 실험을 통해 본 방법의 효과성이 입증되었다.