[연구의 필요성]
맞춤형 서비스를 위해서는 사용자의 행동 패턴을 정확하게 이해해야 하지만, 기존의 LLM 기반 프로파일링은 주로 surface-levle preference 만을 추출해, 행동을 유발하는 잠재적 심리·사회적 요인을 제대로 포착하지 못했습니다. 특히 임베딩 기반 모델은 해석 가능성이 낮아, 도메인 지식과 사회·심리적 요소를 통합하기 어렵고, 사용자 행동에 대한 근거를 설명하지 못합니다. 또한 기존 연구는 인간 행동이 의도적 행동과 습관적 행동의 상호작용으로 형성된다는 이중과정 이론(Dual‑Process Theory)을 간과했습니다. 이러한 한계 때문에, 심리·행동 과학에 기반한 구조화된 설명과 해석을 제공할 수 있는 Theory-driven profiling method가 요구되었습니다.
[연구의 의미]
본 연구에서 제안하는 TRIPLE (Theory‑Driven Integration of Planned and Habitual Behaviors)은 이중과정 이론을 LLM 기반 사용자 프로파일링에 최초로 통합한 프레임워크로서, 습관 프로파일과 의도 프로파일 두 가지를 구축합니다. 먼저, 사용자의 과거 행동 데이터를 분석하여 반복적 패턴을 학습하는 습관 프로파일과, 태도·주관적 규범·지각된 행동 통제를 추출하는 의도 프로파일을 생성합니다. 그런 다음 행동 근거(behavioral rationale)를 만들어 두 프로파일이 어떻게 상호작용하여 특정 행동을 유발하는지 설명합니다. 이 방식은 단순한 요약을 넘어, 왜 특정 행동이 나타나는지를 구조적으로 설명해 해석 가능성과 투명성을 크게 향상시키며, 다양한 오픈소스 LLM에서 별도의 학습 없이 적용할 수 있는 보편적 이론 기반 프레임워크입니다.
[연구 결과의 진행 상태 및 향후 계획]
TRIPLE은 LaMP 벤치마크의 뉴스 분류, 영화 태깅, 평점 예측, 뉴스 헤드라인 생성, 학술 제목 생성 등 다섯 가지 과제에서 평가되었습니다. 실험 결과 TRIPLE은 기존 프로파일링 방법보다 모든 지표에서 우수하거나 경쟁력 있는 성능을 보였으며, 특히 뉴스 헤드라인 생성과 학술 제목 생성 같은 생성형 과제에서 큰 성능 개선을 달성했습니다. 절댓값 기준 오류와 BLEU/ROUGE 점수 모두 개선되어, 습관과 의도라는 이중 과정의 통합이 예측 정확도 향상에 기여함을 확인했습니다. 추가적인 ablation study에서는 습관 프로파일만으로도 강력한 기반이 되지만, 의도 프로파일과 행동 근거를 추가해야 최상의 성능을 달성한다는 점이 확인되었습니다. 향후 연구에서는 TRIPLE을 다른 행동 이론이나 멀티모달 데이터에 적용하여 더 폭넓은 응용 영역으로 확장할 계획입니다.
[성과와 관련된 실적]
국제 학회 논문:
Taehyung Noh, Seungwan Jin, Haein Yeo, Kyungsik Han, “TRIPLE: Theory-Driven Integration of Planned and Habitual Behaviors for LLM-based Personalization”, Association for the Advancement of Artificial Intelligence (AAAI). 2026.