12.7

[kyeongchan92]

논문 주제

0. 소감 한마디씩
1. 레스토랑 질문에 대한 조사

• 레스토랑 찾는 질문을 카테고리화
• 추천 결과를 정성평가

3. 멀티턴 속도개선

4. 퍼플렉시티 왈

   1. LLM과 추천 시스템을 연계한 최신 논문들의 주요 contribution은 다음과 같은 방향성을 보이고 있습니다:

      1. 기존 한계 극복: 전통적인 ID 기반 추천 시스템의 한계를 LLM을 활용하여 극복하려는 시도
      2. 텍스트 정보 활용: 사용자의 텍스트 피드백과 아이템의 텍스트 설명을 LLM을 통해 분석하여 더 정교한 추천 제공
      3. 하이브리드 접근: ID 기반 방식과 LLM 기반 접근을 결합하여 각 방식의 장점을 활용
      4. 콜드 스타트 문제 해결: LLM의 사전 학습된 지식을 활용하여 새로운 사용자나 아이템에 대한 추천 성능 향상
      5. 협업 필터링과 LLM 결합: 협업 필터링의 고품질 임베딩과 LLM의 언어 이해 능력을 결합한 새로운 추천 시스템 제안

   2. 맛집 추천 LLM 관련 논문을 쓸 때 고려할 수 있는 contribution 방향:

      1. 맛집 리뷰 텍스트 분석: LLM을 활용하여 자연어 리뷰에서 음식점의 특징을 추출하고 이를 추천에 활용하는 방법 제안.
      2. 상황 기반 추천: LLM을 활용하여 날씨, 계절 등의 상황 정보를 해석하고 이를 바탕으로 맛집 추천을 제공하는 시스템 개발
      3. 다국어 맛집 추천: LLM의 다국어 처리 능력을 활용하여 다양한 언어로 작성된 리뷰를 분석하고 글로벌 맛집 추천 시스템 구축.
      4. 개인화된 설명 생성: LLM을 사용하여 사용자의 취향과 맛집의 특징을 고려한 개인화된 추천 이유 설명 생성.
      5. 멀티모달 접근: 텍스트 리뷰뿐만 아니라 음식 이미지, 메뉴 정보 등을 LLM과 결합하여 더 포괄적인 맛집 추천 시스템 제안.

5. 이번 공모전에서 해결하기 어려웠던 점

• RAG 성능 개선(애월시, 애월읍, 애월띄어쓰기.. 등 애매한 질문에 대해 RAG 매핑이 잘 안됐음)

6. 월간슈도렉 주제!

송년회 일정
12.27 확정!

[kyeongchan92]

EMNLP, ACL

EMNLP, NAACL, ACL은 세계 3대 자연어처리 학회입니다[1]. ACL과 EMNLP를 양대 산맥으로 쳐준다[2].
EMNLP는 ACL(Association for Computational Linguistics)의 특별 관심 그룹인 SIGDAT에서 주최합니다.

ACL 2024 Long papers

(https://2024.aclweb.org/program/main_conference_papers/) 중에서 'recom'이 포함된 논문들(🦜 : LLM 관련)

1. HyCoRec: Hypergraph-Enhanced Multi-Preference Learning for Alleviating Matthew Effect in Conversational Recommendation : 아이템의 부익부 빈익빈 현상(Matthew effect)을 해결하기 위해 여러개의 하이퍼그래프를 만들어 유저의 여러개의 선호를 찾는다.
2. 🦜Generative Explore-Exploit: Training-free Optimization of Generative Recommender Systems using LLM Optimizers : Generative Recommender System을 소개. '추천 질문' 생성하는 것임. 예를 들어, "스마트폰"이라는 주제에 대해 질문을 생성할 때, "2024년 최고의 스마트폰은?" 같은 질문을 생성.
3. 🦜Stealthy Attack on Large Language Model based Recommendation : LLM을 기반으로 동작하는 추천 시스템(예: 질문 추천, 콘텐츠 추천, 상품 추천)이 공격자에 의해 은밀하게 조작될 수 있는지를 연구
4. 🦜Aligning Large Language Models for Controllable Recommendations : 특정 도메인 특화된 LLM과, LLM의 일반화 성능 사이의 Gap이 존재.
5. 🦜Text-like Encoding of Collaborative Information in Large Language Models for Recommendation
6. 🦜Visualization Recommendation with Prompt-based Reprogramming of Large Language Models
7. Transparent and Scrutable Recommendations Using Natural Language User Profiles
8. 🦜RDRec: Rationale Distillation for LLM-based Recommendation
9. 🦜RecGPT: Generative Pre-training for Text-based Recommendation : fully-trained LLM 시리즈인 RecGPT-7B, RecGPT-7BInstruct를 출시함. RecGPT-7B-Instruct가 별점예측과 시퀀셜추천에서 P5를 능가함.

• 

ACL에서 Industry Track이 2023년에 처음 나왔나봐요?

https://2023.aclweb.org/calls/industry_track/#frequently-asked-questions

역대 ACL Industry Track papers

2023 ACL Industry Track

2025 ACL, 그리고 Industry track 페이지

The 63rd Annual Meeting of the Association for Computational Linguistics

Vienna, Austria
July 27–August 1st, 2025

Industry Track

주요 일정 (Important Dates)
논문 제출 마감: 2025년 3월 21일
결과 통보: 2025년 5월 7일
최종 논문 제출: 2025년 5월 23일
컨퍼런스 개최: 2025년 7월 28~30일

논문 작성 및 제출 규칙 (Submission)
길이: 본문 6페이지

[1] https://hyperconnect.com/news/638069eb492ea5003da25fc5
[2] https://blog.softly.ai/acl-2023-review/

[kyeongchan92]

현우님 추천 논문 : OMuleT: Orchestrating Multiple Tools for Practicable Conversational Recommendation

경아님)
개인화 LLM 추천
지금은 싱글턴 추천? 쿼리 -> 추천
히스토리나 preference, 멀티턴 -> 적절한 대화 타이밍에서 추천해줄수 있는?
지금은 속성이 다 차면 멀티턴 끝내버리는데..추천 타이밍도 학습을 해서 개인마다 빠르게 or 느리게(?) 추천해주는 것도 개인화할 수 있지 않을까

• 맛집 추천 발전시켜서 할건지?
  경아님) 기존 데이터셋 사용해야할지?

• 새로운 관점으로?

상현님)
실험이 우려. 평가로 설득시킬 수 있을지?
평가셋을 직접 만들면 될런지?

순혁님)
데이터 구축할지 아닐지, 컨트리뷰션 어떤 형태로 할지(방법론만, 서베이형식 등)

---

케이스 스터디

Conversational Recommender system, LLM, 추천 관련해 각자 논문 5개씩 정리해오기!
우리가 하려는 모호한 주제..와 관련된 기존 논문들 조사!
데이터 구축할지 아닐지, 컨트리뷰션 어떤 형태로 할지(방법론만, 서베이형식 등)