TalkPlay-Tools: LLMツールを活用した会話型音楽推薦システム

TalkPlay-Tools: Conversational Music Recommendation with LLM Tool Calling

October 2, 2025

著者: Seungheon Doh, Keunwoo Choi, Juhan Nam

cs.AI

要旨

大規模言語モデル（LLM）の最近の進展により、自然言語インタラクションを備えた生成的レコメンダーが実現されたが、その推薦行動は限定的であり、メタデータや属性フィルタリングなどのより単純ながら重要なコンポーネントがシステム内で十分に活用されていない。本論文では、ツール呼び出しを備えたLLMベースの音楽推薦システムを提案し、統合された検索・再ランキングパイプラインとして機能させる。本システムは、LLMをエンドツーエンドの推薦システムとして位置付け、ユーザーの意図を解釈し、ツール呼び出しを計画し、専門的なコンポーネント（ブールフィルタ（SQL）、スパース検索（BM25）、密な検索（埋め込み類似度）、生成的検索（セマンティックID））を調整する。ツール計画を通じて、システムは使用するツールの種類、その実行順序、およびユーザーの嗜好に合致する音楽を見つけるために必要な引数を予測し、多様なモダリティをサポートしながら、複数のデータベースフィルタリング方法をシームレスに統合する。本論文では、この統合されたツール呼び出しフレームワークが、ユーザークエリに基づいて適切な検索方法を選択的に採用することで、多様な推薦シナリオにおいて競争力のある性能を達成することを示し、会話型音楽推薦システムの新たなパラダイムを展望する。

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.