프롬프트 엔지니어링 활용 개인화 맞춤 VOD 추천 서비스
VOD 소비 이력을 바탕으로 세부 취향을 고려한 추천 서비스를 경험해보세요.!
🔗서비스 링크
테스트 ID: 66885000
-
LG HelloVision DX Data School 에서 진행한 VOD 개인화 추천 서비스 프로젝트입니다.
-
저희는 컨텐츠에 대한 더 세밀화된 특징으로 다루고자 VOD 컨텐츠의 메타 데이터(ex: 분위기, 주제어, 세부장르)를 고려하기로 하였습니다.
-
Prompt Engineering을 통해 줄거리에서 메타 데이터를 생성 하였고, 이를 통해 컨텐츠에 대한 세밀화된 메타 데이터 셋을 구축하였습니다.
-
생성한 메타 데이터를 추천 시스템에 적용하여 사용자에게 설명 가능한 추천 시스템을 기획하였습니다.
-
Prompt Engineering을 하기 위해 LLM FrameWork인 LangChain을 사용하였습니다.
-
LangChain에 사용한 LLM은 OpenAI의 GPT 3.5 turbo을 사용하였습니다.
-
LangChain을 활용하여 Prompt Engineering을 통해 VOD에 대한 메타 데이터를 구축하였습니다.
- LangChain을 활용하여 Prompt Engineering을 활용한 방안은 다음과 같습니다.
- LangChain의 입력값으로 VOD의 줄거리를 넣습니다.
- 입력값을 통해 추출해야할 데이터들을 통해 LangChain의 템플릿으로 설정합니다.
- 템플릿들을 통해 구축된 메타 데이터들의 예시이며 메타 데이터들을 통해 컨텐츠들을 더 세분화된 특징으로 다룰 수 있습니다.
- LangChain을 활용하여 Prompt Engineering을 활용한 방안은 다음과 같습니다.
-
개인화 추천모델로는 DeepFM을 사용하였습니다.
-
if(kakao)2022에서 "Explainalbe Recommender System in 카카오웹툰"을 참고하여 설명 가능한 추천 시스템을 기획하였습니다.
-
설명가능한 추천 시스템을 구축하기위해 DeepFM의 추천 결과의 메타 데이터 속성을 UI를 통해 명시 하였습니다.
-
Explainable Recommender System in 카카오웹툰
https://speakerdeck.com/kakao/explainable-recommender-system-in-kakaowebtun?slide=11https://speakerdeck.com/kakao/explainable-recommender-system-in-kakaowebtun