대화형 추천 시스템을 위한 Collaborative RAG

Collaborative Retrieval for Large Language Model-based Conversational Recommender Systems (2025), github

Conversational RecSys (CRS)

• Traditional CRS (LLM 이전)
  • Entity Modeling: 대화에서 언급되는 아이템(영화, 음악 등)을 표현하는 방법을 학습 - item id embedding, knowledge graph
  • Context Modeling: 대화의 흐름, 사용자의 발화, 시스템의 응답 등 자연어 맥락을 이해하고 표현하는 방법을 학습 - RNN, Transformer
  • Semantic Fusion: 엔티티 모델링과 맥락 모델링에서 얻은 정보를 통합하여 사용자의 선호를 종합적으로 이해하는 방법을 학습
  • Generation: 추천 결과+응답 텍스트 생성
• LLM-based CRS
  • White-box LLM
    • 모델의 아키텍처와 가중치에 직접 접근하여 수정할 수 있는 LLM을 학습시켜 사용함. 주로 규모가 상대적으로 작은 공개된 모델(e.g. LLaMA, T5) 기반
    • 방법
      • Instruction Fine-Tuning
      • CF 정보 통합(user/item ID를 토큰화해서 임베딩을 학습하거나 기존 CF모델로 학습시킨 user/item 임베딩을 주입)
  • Black-box LLM
    • API 형태로만 접근 가능하고 모델의 내부 구조나 가중치를 수정할 수 없는, 일반적으로 매우 큰 규모와 강력한 성능의 모델
    • 방밥
      • Zero-shot(프롬프트만 사용)
      • Naive-RAG(영화 줄거리, 메타데이터 등 외부 문서를 검색하여 프롬프트에 추가)
• Problem
  • sota LLM은 방대한 지식과 추론 능력에도 불구하고 기본적으로 추천시스템에서 효과적인 CF성 데이터를 잘 활용하지 못함
    • 당연히 사용자-아이템 상호작용 데이터는 일반적으로 공개되어 있지 않고 자연어로 fully 설명되기 어렵기 때문
  • 지금까지 LLM에 CF 정보를 통합하는 것은 주로 White-box LLM에 집중해왔지만 본 연구는 Zero-shot/Black-box LLM 기반 대화형 추천에 CF 정보를 통합하는 첫번째 시도
• Formulation (CRS 문제에 대한 정의)
  • 사용자 집합을 $U$, 아이템 집합을 $I$라고 함
  • 사용자-CRS 간의 대화: $C=\{(u_t,s_t,I_t){\}}_{t=1}^T$
    • $t$-번째 턴에서 $u_t\in \{\text{User, System}\}$가 발화 $s_t=(w_1,w_2,\dots ,w_{N_t})$를 생성
      • $I_t$는 $s_t$에서 언급된 아이템 집합 (아이템 언급을 안 했으면 비어있음)
  • 시스템
    • 고정된 카탈로그 $Q\subseteq I$에서만 아이템을 추천할 수 있음
    • 백본은 블랙박스 LLM $\Phi$
    • 외부 협업 필터링 지식 데이터베이스로 과거 상호작용 데이터 $R=\{0,1{\}}^{|U_r|\times |I|}$를 사용할 수 있음
  • 목표: 현재 대화 $C^{k-1}=\{(u_t,s_t,I_t){\}}_{t=1}^{k-1}$ 및 사용 가능한 상호작용 데이터 $R$을 기반으로 카탈로그 $Q$에서 아이템의 순위 목록 ${\hat{I}}_k$를 생성하여 실제 아이템 $I_k$에 가장 잘 일치하도록 하는 것

Approach (CRAG)

(1) LLM-based Entity Link

• 각 발화 $s_k$에서 아이템 $I_k$를 추출하고 이를 아이템 데이터베이스 $I$에 매핑하는 과정
  • 텍스트 대화와 외부 구조화된 지식(CRAG의 경우 상호작용 데이터 $R$) 간의 간극을 메우는 데 중요
  • 약어, 오타, 아이템 제목의 모호성 처리등이 과제
• LLM-based Entity Extraction
  • LLM의 사전 학습된 지식과 추론 능력을 활용하여 각 발화 에서 언급된 아이템을 추출하고 각 아이템에 대한 사용자의 태도를 분석함
    • $I_{ra{w}_t}=f_e(\Phi (T_e,F_e,s_t))$
    • $f_e$는 LLM의 출력에서 아이템-감정 쌍을 파싱하는 문자열 처리 함수
    • $T_e$는 LLM $\Phi$에게 발화 $s_t$에서 언급된 아이템을 표준화된 형태로 응답하도록 지시하는 태스크별 프롬프트
    • $F_e$는 LLM이 [item]<sep>[attitude] 형식으로 모든 아이템-태도(감정) 쌍을 응답하도록 안내하는 배치 추론 형식 지침
    • 태도는 부정~긍정이 {-2, -1, 0, 1, 2} 범위의 숫자 값으로 표현
• Bi-level Match and Reflection
  • extraction의 아웃풋인 각 raw 아이템 $i_{ra{w}_{t,j}}\in I_{ra{w}_t}$는 텍스트 문자열이며, 표준화되지 않은 형태이거나 작은 오타를 포함할 수 있음
  • 문자-레벨 fuzzy match & 단어-레벨 BM25 match 후, $I_{cha{r}_t}$와 $I_{wor{d}_t}$ 사이의 불일치(있는 경우)에 대해 LLM에게 reflection 하도록 요청 (프롬프트에 2개의 매치 결과가 다를 수 있음을 명시하고 맥락을 고려해서 더 가능성이 높은 것을 선택하라고 함)
    • $I_{re{f}_t}=f_{re{f}_e}(\Phi (T_{re{f}_e},F_{re{f}_e},I_{cha{r}_t},I_{wor{d}_t},s_t))$
    • $T_{re{f}_e}$는 LLM에게 발화 $s_t$를 기반으로 $I_{cha{r}_t}$와 $I_{wor{d}_t}$의 차이점에 대해 리플렉션하도록 지시
    • $F_{re{f}_e}$는 LLM이 [matched_item]<sep>[method] 형식으로 각 아이템의 최종 리플렉션 결과를 반환하도록 안내
    • [matched_item]은 LLM이 데이터베이스 에 올바르게 연결되었다고 판단한 아이템이고 [method]는 {char, word, both, none} 중 올바른 매칭 전략
    • $f_{re{f}_e}$는 [matched_item]과 [method] 필드를 기반으로 각 아이템을 선택, 제거 또는 수정하여 $s_t$에 대한 최종 아이템 집합 $I_{re{f}_t}$를 형성

(2) Context-Aware Collaborative Retrieval

• 현재 대화 $C^{k-1}$와 과거 상호작용 $R$을 기반으로 컨텍스트 관련 아이템을 검색
  • 협업 필터링(CF) 지식으로 프롬프트를 보강하여 LLM 기반 추천을 향상시키는 것을 목표로함
• Collaborative Retrieval
  • 일반적인 RAG과 동일하게 query re-writing, similarity matching이라는 두가지 단계를 따름
  • $I_{C{R}_k}=\text{TopK}(\text{Sim}(f_r(C^{k-1}),Q;R))$
    • $f_r(C^{k-1})$: 현재 대화 $C^{k-1}$에서 긍정적으로 언급된 아이템(즉, $I_{q_k}={\bigcup }_{t=1}^{k-1}{I}_t$)을 집계하고 이를 멀티-핫 변수 $r_k\in \{0,1{\}}^{|I|}$로 변환
    • similarity 함수는 다양한 CF 방법으로 학습될 수 있고 본 연구에서는 EASE 사용
      • ${\min }_W\Vert RQ-RW{\Vert }_F^2+\lambda \cdot \Vert W{\Vert }_F^2\text{s.t.}{W}_{i,j}=0,\forall i=\text{ReID}(j)$
      • $RQ$는 카탈로그 $Q$에 해당하는 $R$의 열을 선택하고, 비대칭 행렬 $W\in {\mathbb{R}}^{|I|\times |Q|}$는 사용자가 대화에서 자유롭게 언급하는 아이템($I$)의 공간을 카탈로그 $Q$에서 추천 가능한 아이템의 공간으로 매핑
      • $\text{Sim}(I_{q_k},Q;R)=r_k^T\times W$
• Context-Aware Reflection
  • 이제 위의 raw retrieval 결과에 현재 대화 의 컨텍스트 정보 고려한 후처리를 해줄 차례
  • $I_{au{g}_k}=f_{aug}(\Phi (T_{aug},F_{aug},C^{k-1},I_{C{R}_k}))$
    • $T_{aug}$는 LLM에게 대화 $C^{k-1}$를 기반으로 $I_{C{R}_k}$의 아이템들의 컨텍스트 관련성에 대해 리플렉션하도록 지시하는 태스크별 프롬프트
    • $F_{aug}$는 LLM이 [item]<sep>[relevance] 형식으로 $I_{C{R}_k}$의 모든 아이템에 대한 동시 판단을 응답하도록 안내하는 컨텍스트-관련성 배치 리플렉션 지침
    • [relevance]는 검색된 [item]이 컨텍스트 관련인지 여부를 나타내는 이진 점수 {0, 1}
    • 리플렉션 후, 컨텍스트 관련으로 판단된 아이템만 $I_{au{g}_k}$에 보존

(3) Recommendation with Reflect and Rerank

• 이제 $I_{au{g}_k}$에 기반하여 LLM으로 최종 추천 목록을 생성하는 단계
• Collaborative Query Augmentation
  • 우선 검색된 아이템의 CF적 특성을 강조하는 서문(Below are items other users tend to interact with given the positive items mentioned in the dialogue:)을 추가하는 것으로 시작
  • $I_{au{g}_k}$는 세미콜론으로 구분된 유사성 순위 아이템을 나열하는 문자열 $I_{au{g}_{s,k}}$로 변환
    • RAG 관점에서는 외부 사용자-아이템 상호작용 데이터베이스 $R$에서 검색된 추가 CF 정보로 작동
    • 추천 관점에서는 최종 추천에 사용될 수 있는 잠재적 아이템 후보이기도 함
  • 이때 2가지 프롬프트를 설계
    • rag prompt: Use the above information at your discretion (i.e., do not confine your recommendation to the above movies)
    • rec prompt: Consider using the above movies for recommendations
    • 어떤 프롬프트가 더 잘 작동하는지는 사용되는 LLM 모델에 따라 달랐음 (GPT-4o는 rag prompt, GPT-4는 rec prompt 선호/rag prompt사용시 검색된 아이템을 무시하는 경향)
• LLM-based Recommendations
  • $I_{au{g}_{s,k}}$는 현재 대화 $C^{k-1}$에 추가되어 LLM에 입력되어 예비 추천 목록을 생성
  • $I_{re{c}_k}=f_{rec}(\Phi (T_{rec},F_{rec},C^{k-1},I_{au{g}_{s,k}}))$
    • $T_{rec}$는 LLM에게 대화 $C^{k-1}$ 및 협업 증강 $I_{au{g}_{s,k}}$를 기반으로 추천으로서 순위가 매겨진 아이템 목록을 생성하는 CRS로 기능하도록 지시
    • 형식 지침 $F_{rec}$는 LLM이 표준화된 아이템 이름을 줄별로 구분하여 반환하도록 안내
• Reflect and Rerank
  • $I_{au{g}_{s,k}}$는 LLM에 내재된 편향을 유발할 수 있음 = attention 매커니즘이 이 $I_{au{g}_{s,k}}$ 아이템을 추천의 시작 부분에 복제하는 경향이 있고, LLM이 생성한 $I_{re{c}_k}$에서 가장 관련성이 높은 아이템들(반드시 에 있지 않을 수 있음)이 상위에 랭크되지 않을 수 있음
    • 이 문제를 해결하기 위한 가장 간단한 방법은 LLM에게 raw 추천 결과를 직접 재랭킹하도록 요청하는 것이지만 이 경우 LLM은 아이템을 변형/누락하거나 새 아이템을 추가해버릴 수 있음. 또한 재랭킹이라는 추상적인 작업에 대해 의미론적 간극 때문에 비논리적인 결과가 나올 수도 있음
  • 따라서 직접적으로 재랭킹을 하라는 것이 아니라 각 아이템에 얼마나 적합한 추천인지 점수를 할당하도록 요청함
    • 재랭킹이라는 추상적인 작업 대신, 각 아이템에 대한 개별 평가라는 구체적인 작업을 부여하여 더 명확하고 일관성 있게 응답하도록 유도
  • $I_{r\&r_k}=f_{r\&r}(\Phi (T_{r\&r},F_{r\&r},C^{k-1},I_{re{c}_k}))$
    • $T_{r\&r}$는 LLM에게 추천에 대해 리플렉션하고 대화 $C^{k-1}$를 기반으로 $I_{re{c}_k}$의 모든 아이템에 점수를 할당하도록 지시
    • $F_{r\&r}$는 LLM이 [item]<sep>[score] 형식으로 $I_{re{c}_k}$의 모든 아이템에 대한 점수를 동시에 반환하도록 안내
      • [score] $\in$ ”{-2, -1, 0, 1, 2}“는 {매우 나쁨, 나쁨, 보통, 좋음, 매우 좋음}의 추천 품질 수준에 해당
• 사용자가 아이템 언급을 안 한 경우
  • LLM에게 대화 $C^{k-1}$를 기반으로 사용자가 좋아할 만한 잠재적 아이템을 추론하도록 프롬프트하고 이 잠재적 아이템들을 마치 사용자가 언급한 것처럼 취급(entity link단계의 raw item), 나머지 단계는 똑같이 함

Empirical Study

Datasets & Setup

• Datasets
  • Reddit-v2 데이터셋: Reddit 데이터셋을 정제한 버전으로, GPT-4o를 기반으로 영화를 추출하여 영화 언급 정확도를 크게 향상
    • 기존 Reddit 데이터셋은 레딧에서 영화 추천 주제로 수집된 글과 덧글에서 fine tuning한 T5로 아이템을 추출한 데이터인데 아이템 인식을 잘 못했음. 부록에 보면 예를 들면 Everything, Everywhere, All At Once를 서로 다른 영화 3개로 인식한다든가 It을 아예 영화로 인식 못한다든가..
  • Redial 데이터셋: 크라우드소싱한 영화 추천 데이터셋
    • 이 경우 아이템 인식/데이터베이스 맵핑이 불필요하지만 실제 애플리케이션에서는 비현실적인 설정. 대화가 지나치게 공손하고 경직되어 있으며 맥락이 부족하기도 함(유저가 선호도를 명확히 하지 않고 무엇이든 좋다, 어떤 제안에도 열려 있다 라는 식).
• Experiment Setup
  • Reddit-v2 데이터셋의 경우, 2022년 12월의 대화 서브셋을 테스트 세트로, 이전 달의 서브셋을 검증 세트로, 나머지 모든 대화를 학습 세트로 사용
    • 학습 대화를 기반으로 상호작용 데이터 $R$을 구축 - 각 대화가 사용자로 취급되며 긍정적으로 언급된 모든 아이템을 상호작용으로 취급
  • LLM은 GPT-4와 최신 GPT-4o를 CRAG의 백본으로 사용 (모든 테스트 대화는 GPT-4 사전 학습 종료 날짜 이후에 이루어졌고 GPT-4o는 아니지만 레딧에서 GPT-4o 이전에 크롤링 인터페이스를 닫아버려서 leakage는 없을 것으로 예상함)

Results

• 2-step Reflections (검색 시 context aware, 추천 시 rerank)의 효과
  • collabrative retrieval 된 아이템의 개수 $K$개에 따라 - 즉 $K=0$이면 그냥 zero-shot LLM 방식임
  • CRAG-nR12(=Naive collaborative retrieval, 두 reflect다 제거)는 컨텍스트와 무관한 정보를 도입하여 성능을 저하시키는 경향
  • CRAG-nR2(=Context-aware reflection, rerank reflect만 제거)은 $K$가 증가함에 따라 더 많은 관련 항목이 추천되지만 recall@5, 10을 보면 그것들이 상위에 랭킹되지는 않고 있음을 알 수 있음
  • CRAG(2 reflect 다 사용)는 랭킹 편향을 해결하고 가장 관련성이 높은 아이템의 우선순위를 높임
    • $K=0$일 때의 reflection(즉, 외부 지식 없는 self-reflection)은 도움이 되지 않음
    • Reddit v2와 Redial 비교하면 대화에 풍부한 컨텍스트 정보가 있을 때 2-step reflection이 더 잘 작동함

• 베이스라인과 비교
  • Redial, KBRD, KGSF, UniCRS(RNN 및 Transformer 기반), Zero-shot LLM, Naive-RAG(RAG 기반), EASE(비-CRS)와 같은 다양한 CRS baseline과 비교
  • 대화와 아이템을 별도로 모델링하는 Redial이 가장 낮은 성능, UniCRS는 컨텍스트를 모델링하기 위해 사전 훈련된 transformer를 추가로 활용하여 모든 비-LLM 기반 baseline 중에서 최고의 성능을 달성 → 그러나 Zero-shot LLM은 방대한 지식과 추론 능력으로 인해 이를 능가
  • 관련 콘텐츠/메타데이터를 문서로 검색하여 Zero-shot LLM을 증강하는 Naive-RAG는 실제로 성능이 저하됨
    • 대화의 단어와 암묵적인 사용자 선호도 사이의 큰 의미론적 간극 때문일 수 있음 e.g. 위 예시 대화에서 사용자는 바쿠라우 같은 브라질 영화를 찾기를 원하지만 Naive-RAG는 브라질이 제목에 들어가는 영화를 검색
  • CRAG는 Zero-shot LLM과 Naive-RAG를 포함한 모든 baseline에 비해 두 데이터셋에서 모든 메트릭에서 가장 우수한 성능을 달성
    • 특이할 점은 컨텍스트가 적은 Redial 데이터에 zero-shot LLM의 한계가 있어서인지 zero-shot LLM과 CRAG 격차가 커보임
• 아이템의 최신성 분석
  • CRAG는 모든 경우에 추천 정확도를 향상시키지만, 최근에 출시된 영화에 대한 이득이 더 큼
    • 기준 연도를 정하고 그 이전에 나온 영화랑 이후 영화를 구분했을 때(어떤 연도든 비슷한 결과라 기준 연도는 중요치 않음) 기본적으로 이후 그룹이 항상 성능이 낮음
    • $K$를 증가시킴에 따라 이후 그룹에서 메트릭 증가가 가파르게 발생 = CRAG는 최신 아이템 추천에서 더 큰 개선을 이끌어냄 (즉 LLM은 당연히 사전학습될 때 데이터에서 언급이 적은 최신 아이템 추천에 취약할 수밖에 없는데, CF정보가 이를 보완해준다고 할 수 있음)
• 검색-추천 관계
  • 컨텍스트-인식 협업 검색 $I_{au{g}_k}$에 있는 아이템과 CRAG-nR2(Reflect-and-Rerank 없음) 및 CRAG(Reflect-and-Rerank 있음)에 의해 추천된 최종 목록 간의 관계를 조사
  • LLM은 검색된 아이템을 복제하는 편향이 있고 CRAG-nR2의 혼동 행렬에서 대각선 요소가 지배적으로 나타남 = $I_{au{g}_k}$에서 1위인 게 최종에도 1위인
  • LLM은 아이템을 제거하고 다음 아이템을 채우는 대신, 제자리에 아이템을 대체하는 경향이 있음 (안 맞아 보이면 그냥 그 자리에서 없애면 되는데 유사한 다른 아이템을 생성하여 채우기)
  • Reflect-and-rerank가 도입된 CRAG의 경우, 혼동 행렬에서 지배적인 대각선 요소가 사라지며, 이는 $I_{au{g}_k}$에서 왔든 LLM이 새로 생성했든 상관없이 더 관련성 높은 아이템이 추천 목록 상위에 우선순위가 부여됨
• 아이템 언급이 없는 대화
  • 아이템이 언급된 경우와 유사한 추세를 보이지만, CRAG의 Zero-shot LLM baseline 대비 개선 폭은 상대적으로 크지 않음
  • 대화에 아이템 언급이 없는 경우에도 최근 개봉된 영화 추천에서의 CRAG 개선은 여전히 매우 뚜렷