두가지 타입의 외부 지식을 LLM으로 부터 얻는다.

사용자 선호도 reasoning 지식과 아이템 factual 지식

사용자 선호도를 정확하게 추론하는 factorization prompting을 소개한다.

hybrid-expert adaptor라는 두 지식이 증강된 벡터가 되고 추천 모델을 직접적으로 강화시키기 위해 사용된다.

Towards Open-World Recommendation with Knowledge

Augmentation from Large Language Models

LLM을 추천 모델로 사용하는 방식은 만족스런 결과를 내지 못했다.

외부 Knowledge를 LLM을 부터 획득한다면? Knowledge Augmented Recommendation

• Reasoning knowledge → 사용자 선호도
• Factual knowledge → 아이템

본 논문에서는 Factorization Prompting를 소개한다.

뽑아낸 두 reasoning, factual 지식 → Hybrid-Expert Adapter → Augmented Vector

Factorization Prompting이 Knowledge reasoning and generation 스테이지에서 적용된다

Knowledge Adaptation 스테이지에서는 Knowledge를 추천에 적절한 형태로 변환한다