TalkPlay-Tools: Konversative Musikempfehlung mit LLM-Tool-Aufruf

TalkPlay-Tools: Conversational Music Recommendation with LLM Tool Calling

October 2, 2025

papers.authors: Seungheon Doh, Keunwoo Choi, Juhan Nam

cs.AI

papers.abstract

Während die jüngsten Entwicklungen bei großen Sprachmodellen (LLMs) erfolgreich generative Empfehlungssysteme mit natürlichen Sprachinteraktionen ermöglicht haben, ist ihr Empfehlungsverhalten begrenzt, wodurch andere einfachere, aber entscheidende Komponenten wie Metadaten- oder Attributfilterung im System untergenutzt bleiben. Wir schlagen ein LLM-basiertes Musikempfehlungssystem mit Werkzeugaufrufen vor, das als einheitliche Retrieval-Reranking-Pipeline dient. Unser System positioniert ein LLM als ein End-to-End-Empfehlungssystem, das die Benutzerabsicht interpretiert, Werkzeugaufrufe plant und spezialisierte Komponenten orchestriert: boolesche Filter (SQL), spärliches Retrieval (BM25), dichtes Retrieval (Embedding-Ähnlichkeit) und generatives Retrieval (semantische IDs). Durch Werkzeugplanung sagt das System voraus, welche Arten von Werkzeugen verwendet werden sollen, ihre Ausführungsreihenfolge und die benötigten Argumente, um Musik zu finden, die den Benutzerpräferenzen entspricht. Dabei unterstützt es diverse Modalitäten und integriert nahtlos mehrere Datenbankfilterungsmethoden. Wir zeigen, dass dieser einheitliche Werkzeugaufruf-Rahmen in verschiedenen Empfehlungsszenarien wettbewerbsfähige Leistungen erzielt, indem er selektiv geeignete Retrieval-Methoden basierend auf Benutzeranfragen einsetzt, und skizzieren damit ein neues Paradigma für konversationelle Musikempfehlungssysteme.

English

While the recent developments in large language models (LLMs) have successfully enabled generative recommenders with natural language interactions, their recommendation behavior is limited, leaving other simpler yet crucial components such as metadata or attribute filtering underutilized in the system. We propose an LLM-based music recommendation system with tool calling to serve as a unified retrieval-reranking pipeline. Our system positions an LLM as an end-to-end recommendation system that interprets user intent, plans tool invocations, and orchestrates specialized components: boolean filters (SQL), sparse retrieval (BM25), dense retrieval (embedding similarity), and generative retrieval (semantic IDs). Through tool planning, the system predicts which types of tools to use, their execution order, and the arguments needed to find music matching user preferences, supporting diverse modalities while seamlessly integrating multiple database filtering methods. We demonstrate that this unified tool-calling framework achieves competitive performance across diverse recommendation scenarios by selectively employing appropriate retrieval methods based on user queries, envisioning a new paradigm for conversational music recommendation systems.