TalkPlay-Tools: LLM 도구 호출을 통한 대화형 음악 추천

TalkPlay-Tools: Conversational Music Recommendation with LLM Tool Calling

October 2, 2025

저자: Seungheon Doh, Keunwoo Choi, Juhan Nam

cs.AI

초록

최근 대규모 언어 모델(LLM)의 발전으로 자연어 상호작용이 가능한 생성형 추천 시스템이 등장했지만, 이러한 시스템의 추천 행동은 제한적이며 메타데이터나 속성 필터링과 같은 단순하지만 중요한 구성 요소가 시스템 내에서 충분히 활용되지 못하고 있습니다. 우리는 도구 호출 기능을 갖춘 LLM 기반 음악 추천 시스템을 제안하여 통합된 검색-재순위 파이프라인으로서의 역할을 수행하고자 합니다. 우리의 시스템은 LLM을 종단 간(end-to-end) 추천 시스템으로 위치시켜 사용자 의도를 해석하고, 도구 호출을 계획하며, 특화된 구성 요소들을 조율합니다: 불린 필터(SQL), 희소 검색(BM25), 밀집 검색(임베딩 유사성), 생성형 검색(의미적 ID). 도구 계획을 통해 시스템은 사용자 선호도에 맞는 음악을 찾기 위해 어떤 유형의 도구를 사용할지, 실행 순서는 어떻게 할지, 필요한 인수는 무엇인지를 예측하며, 다양한 모달리티를 지원하면서도 여러 데이터베이스 필터링 방법을 원활하게 통합합니다. 우리는 이 통합 도구 호출 프레임워크가 사용자 쿼리에 기반해 적절한 검색 방법을 선택적으로 사용함으로써 다양한 추천 시나리오에서 경쟁력 있는 성능을 달성함을 보여주며, 대화형 음악 추천 시스템의 새로운 패러다임을 제시합니다.

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.