AI
밑바닥에서 개선한 추천시스템 with Two-Tower Model
두줄요약
Two-Tower 모델로 추천시스템의 후보 검색 단계와 학습 방식을 개선한 적용 사례를 다루었습니다. In-Batch Sampled SoftMax, LogQ Correction, ScaNN 활용과 운영 모니터링까지 함께 소개했습니다.
핵심 내용
- 인기상품 추천과 Matrix Factorization 기반 추천의 한계를 넘어 Two-Tower Neural Network로 후보 아이템 검색 단계 개선
- 사용자 타워와 아이템 타워의 임베딩을 내적해 점수를 계산하고, 대규모 아이템 코퍼스에 대응하는 Two-stage 추천 구조 적용
- In-Batch Sampled SoftMax 학습과 LogQ Correction으로 샘플링 편향 보정
- ScaNN 기반 ANN 검색과 서빙 응답 시간 모니터링으로 빠른 추론과 운영 안정성 확보
