최근 발표된 연구 논문 'GenCDSR'이 여러 분야에 걸쳐 사용자의 동적인 관심사와 순차적 패턴을 모델링하는 교차 도메인 순차 추천(CDSR: Cross-Domain Sequential Recommendation) 기술의 효율성과 정확도를 획기적으로 개선했습니다. 이 연구는 기존 생성형 추천(Generative Recommendation, GR) 방식이 가진 두 가지 주요 문제점, 즉 도메인 간 협업 상관관계를 무시하는 토큰화(tokenization) 방식과 비효율적인 디코딩(decoding) 전략을 해결하는 데 초점을 맞췄습니다.
GenCDSR은 이러한 한계를 극복하기 위해 두 가지 핵심 기술을 제안합니다. 첫째, 다중 타워(multi-tower) 아키텍처를 활용한 교차 도메인 하이브리드 토큰화 메커니즘을 설계했습니다. 이는 계층적으로 공유되는 코드북(codebook)과 도메인별 코드북을 통해 도메인 간의 공통점과 각 도메인의 고유한 특징을 동시에 포착합니다. 둘째, 계층적 의미 식별자(SID: Semantic Identifier) 구조를 활용하여 생성 과정을 부분적으로 병렬화하는 교차 도메인 직렬-병렬 디코딩 전략을 개발했습니다. 이 전략은 추론(inference) 지연 시간을 크게 줄이면서도 추천의 일관성을 유지하는 데 기여합니다. 실제 세 가지 공개 데이터셋을 사용한 실험 결과, GenCDSR은 기존 최첨단(state-of-the-art) 기준 모델 대비 평균 1.5%의 정확도 향상과 85.1%에 달하는 추론 지연 시간 단축을 달성했습니다.
이러한 개선은 전자상거래, 콘텐츠 스트리밍 등 다양한 산업에서 실시간 추천 시스템의 배포와 성능을 한 단계 끌어올릴 수 있음을 시사합니다. 특히, 여러 제품 카테고리나 서비스 도메인을 아우르는 복합적인 사용자 경험을 제공하는 플랫폼에서 더욱 개인화되고 즉각적인 추천이 가능해질 것입니다. 사용자들은 더욱 관련성 높은 콘텐츠나 상품을 빠르게 접할 수 있게 되고, 기업은 추천 시스템의 운영 비용을 절감하면서도 사용자 만족도와 전환율을 높일 수 있을 것으로 기대됩니다.