explicit한 요소에서 암시적 의도까지: 의사 결정 가능한 행동 추론을 위한 사전 정의 라이브러리

의사 결정 가능한 행동 추론을 위한 새로운 접근

최근에 발표된 연구에서는 전자상거래 세션 데이터에서 구조화된 의미론적 신호를 추출하고 구매 의도, 고객 구분, 제품 친화도와 같은 플러그인 추론 목표를 위한 공유 요소 라이브러리를 통해 추론하는 모듈식 프레임워크인 의미적 청소 프레임워크를 소개합니다. 이 프레임워크는 전통적인 종단-종단 예측기가 오로지 정확도만 최적화하는 것과 달리, 감사성, 구조적 통제, 재현 가능성을 우선시하며 요소 수준의 투명성과 정당화된 결정 경로를 위해 미미한 예측 성능을 희생합니다.

온라인 쇼핑자 구매 의도 데이터셋을 기반으로 한 의미적 청소 프레임워크는 24개의 행위 요소를 4층 아키텍처(기능, 상호작용, 시스템, 맥락)로 조직하고 3개의 항이상 기전을 통해 신호 품질을 강제합니다. 이러한 접근은 명시적인 요소에서 암시적 의도까지의 행동 추론을 가능하게 합니다. 또한, 대규모 언어 모델을 이용한 추론 엔진을 소개하여 완전한 요소 메타데이터를 사용하고 결정 엔진 출력을 완전히 재현 가능하게 합니다.

구현 및 결과

현재 구현에서 성별 추론 목표는 비활성화되어 모든 수치 결과에서 제외되었습니다. 모든 수치 결과는 대규모 언어 모델 통합 의미론적 추론 엔진으로부터 생성되며 결정 엔진 출력은 완전히 재현 가능합니다. 그러나 대규모 언어 모델 의존 결과는 고정된 제공자/모델/온도 설정 하에서 제어된 출력 변동성에 노출됩니다. 이러한 결과는 의미적 청소 프레임워크의 효과성을 보여주며, 의사 결정 가능한 행동 추론을 위한 새로운 접근 방법으로서의 가능성을 제시합니다.

이 연구는 전자상거래 및 마케팅 분야에서 새로운 기회를 제공할 수 있습니다. 구매 의도, 고객 구분, 제품 친화도와 같은 추론 목표를 위한 공유 요소 라이브러리를 통해 기업은 고객의 행동을 더 잘 이해하고, 맞춤형 마케팅 전략을 개발할 수 있습니다. 또한, 대규모 언어 모델을 이용한 추론 엔진을 통해 결정 엔진 출력을 완전히 재현 가능하게 함으로써, 기업은 더 투명하고 정당화된 결정 경로를 제공할 수 있습니다.