상세 보기
다중목표 대화형 추천시스템을 위한 사전 학습된 언어모델들에 대한 성능 평가
(Pre-trained Language Models in Multi-Goal Conversational Recommender Systems)
- 김태호;
- 장형준;
- 김상욱
초록
본 연구는 대화형 추천 시스템인 다중 목표 대화형 추천 시스템(MG-CRS)에서 사용되는 다양한 사전 학습된 언어 모델들을 고찰하고, 각 언어모델 성능을 비교분석한다. 특히, 언어 모델의 크기가 다중 목표 대화형 추천 시스템의 성능에 어떤 영향을 미치는지에 대. BERT, GPT2, 그리고 BART의 세 종류의 언어 모델을 대상으로 하여, 대표적인 다중 목표 대화형 추천 시스템 데이터셋인 DuRecDial 2.0에서 '타입 예측'과 '토픽 예측'의 정확도를 측정하고 비교한다. 실험 결과, 타입 예측에서는 모든 모델이 뛰어난 성능을 보였지만, 토픽 예측에서는 모델 간에 혹은 사이즈에 따라 성능 차이가 관찰되었다. 이러한 결과를 바탕으로 다중 목표 대화형 추천 시스템의 성능 향상을 위한 방향을 제시한다.
키워드
추천시스템; 대화형추천시스템; 다이얼로그; 언어모델; recommender systems; conversational recommender systems; dialogue; language model
- 제목
- 다중목표 대화형 추천시스템을 위한 사전 학습된 언어모델들에 대한 성능 평가
- 제목 (타언어)
- (Pre-trained Language Models in Multi-Goal Conversational Recommender Systems)
- 저자
- 김태호; 장형준; 김상욱
- 발행일
- 2023-07
- 저널명
- 스마트미디어저널
- 권
- 12
- 호
- 6
- 페이지
- 35 ~ 40