크로스 도메인 시퀀셜 추천 시스템을 위한 하이브리드 토큰화와 시리얼-파라렐 디코딩을 활용한 권력 강화

Cross-domain 시퀀셜 추천(Cross-domain sequential recommendation, CDSR)은 사용자의 동적 관심 이동과 여러 도메인 간 시퀀셜 패턴을 모델링하는 것을 목표로 한다. 최근에 생성 추천(Generative Recommendation, GR)이 등장했다. GR은 아이템 의미론에서 의미 식별자(Semantic Identifiers, SID)를 먼저 학습하고 추천을 인공적으로 생성하는 자기 회귀 생성으로 추천을 공식화한다. 그러나 기존의 방법은 두 가지 중요한 문제를 무시한다. 첫 번째는 도메인 간 협력 상관관계를 토큰화 시 무시하는 것이고 두 번째는 생성 시 비효율적인 디코딩 전략을 채택하는 것(예: 비ーム 검색)이 실제 시간 배포를 방해한다. 이러한 제한을 해결하기 위해 우리는 GenCDSR이라는 효과적이고 효율적인 생성 프레임워크를 제안한다. 구체적으로, 우리는 도메인 간 공통점과 도메인 특이성을 함께 캡처하는 다층 탑 아키텍처를 갖는 도메인 간 혼합 토큰화 메커니즘을 설계한다. 또한, 우리는 계층적 SID 구조를 활용하여 생성을 부분적으로 병렬화하여 생성 일관성을 유지하면서 인플루엔스 지연을 크게 줄이는 도메인 간 직렬 병렬 디코딩 전략을 개발한다. 세 개의 공개 데이터 세트에 대한 실험 결과, GenCDSR은 상태-of-the-art 베이스라인과 비교하여 평균 정확도 향상 1.5%와 평균 인플루엔스 지연 감소 85.1%를 달성했다. implementation code 및 datasets는 온라인에서 사용할 수 있다: https://github.com/Applied-Machine-Learning-Lab/RecSys2026_GenCDSR.