AI 에이전트로 카카오톡 추천 지표 분석 자동화하기
X
#AI 에이전트#Hadoop#자동화
3500
태그
추천 시스템 기술 블로그 글
추천 시스템 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
전체 24개최신 20개 표시
관련 태그
최신 게시글
20개 표시
‘로컬’ 슈퍼 앱에서 장기 유저 모델링은 어떻게 달라질까?
당근의 지역 기반 추천 시스템에서 장기 유저 로그를 Transformer로 학습해 공통 임베딩을 만들었습니다. 이를 홈피드, 후보, 광고에 적용해 학습 신호와 온라인 지표를 함께 개선했습니다.
#ML#Transformer#추천 시스템
6300
‘로컬’ 슈퍼 앱에서 장기 유저 모델링은 어떻게 달라질까?
비즈니스 문제를 AI 문제로 정렬하는 방법
비즈니스 문제를 AI 문제로 바꾸는 완화 접근과 명시적 가정의 중요성을 설명했습니다. 아자르 추천 시스템 사례로 장기 매출을 대화 시간 예측 문제로 단계적으로 정렬하는 과정을 소개했습니다.
#ML#최적화#convex relaxation
9500
연관 키워드 추천
검색 로그의 동시 출현 패턴을 활용해 연관 키워드 추천 시스템을 구축했습니다. Word2Vec 후보를 로그 기반 필터링으로 보정해 롱테일 키워드까지 살렸습니다.
#Word2Vec#검색#추천 시스템
6600
연관 키워드 추천
“함께 구매하면 좋은 상품” 추천 모델 고도화
장바구니 맥락을 반영한 추천 모델로 Item2Vec의 한계를 개선했습니다. 오프라인 평가와 A/B 테스트에서 담기율, 다양성, 주문율이 함께 향상되었습니다.
#ML#추천 시스템#Transformer
6200
“함께 구매하면 좋은 상품” 추천 모델 고도화
개인화 추천 시스템 1편 - 유저의 행동은 “언어”일까? : Collaborative Embedding 구축기 (feat. Knowledge Distillation)
상품 텍스트를 Semantic ID로 압축하고 유저 행동을 Transformer로 해석해 개인화 추천 모델을 구축했습니다. 지식 증류와 데이터 엔지니어링으로 정확도와 속도를 함께 개선하고 A/B 테스트 성과를 확인했습니다.
#추천 시스템#Transformer#Knowledge Distillation
9600
Milvus: LINE VOOM의 실시간 추천 시스템을 위한 대규모 벡터 DB 구축기
Milvus를 도입해 LINE VOOM 추천 시스템을 실시간 구조로 전환한 과정을 다뤘습니다. 카오스 테스트와 성능 테스트로 안정성과 성능을 검증해 즉시성을 크게 높였습니다.
#Milvus#벡터 DB#추천 시스템
12000
홈피드: 네이버의 진입점에서 추천 피드를 외치다! 추천 피드 도입 고군분투기
네이버 홈피드의 개인화 추천 구조와 랭킹 고도화 과정을 소개했습니다.\nLLM, 리트리버, 랭커를 활용해 클릭과 만족도, 다양성을 함께 개선했습니다.
#LLM#추천 시스템#검색
13500
홈피드: 네이버의 진입점에서 추천 피드를 외치다! 추천 피드 도입 고군분투기
토스는 어떻게 광고를 보여줄까? 토스 애즈 ML 톺아보기
토스 광고 노출 과정과 추천 시스템의 전체 흐름을 ML 관점에서 정리했습니다. Targeting부터 Ranking까지 각 단계별 모델 활용 방식도 소개했습니다.
#ML#LLM#추천 시스템
4500
토스 쇼핑 추천 시스템: 수백만 사용자와 상품을 잇는 멀티 스테이지 접근법
토스 쇼핑이 수백만 사용자와 상품을 다루기 위해 멀티 스테이지 추천 시스템을 설계한 방식을 소개했습니다. Retrieval, Ranking, Re-ranking으로 개인화와 비즈니스 목표를 함께 맞췄습니다.
#ML#추천 시스템#검색
9300
실시간 반응형 추천 개발 일지 2부: 벡터 검색, 그리고 숨겨진 요구사항과 기술 도입 의사 결정을 다루는 방법
실시간 행동 이력과 위치 정보를 반영하는 추천 시스템의 요구사항을 기술 문제로 풀어냈습니다. 벡터 검색 도입 과정에서 pre filter와 ANN의 한계를 검토하고 후보군 실험을 진행했습니다.
#벡터 검색#추천 시스템#임베딩
3600
아자르에서는 어떤 추천 모델을 사용하고 있을까?
아자르는 1:1 비디오 채팅 매칭을 위해 CUPID 추천 모델을 설계하고 적용했습니다. 투 타워 구조와 세션 임베딩 분리로 레이턴시를 줄이고 추천 성능을 높였습니다.
#추천 시스템#two-tower architecture#세션 기반 추천
2300
협업 필터링을 넘어서: 하이퍼커넥트 AI의 추천 모델링
추천 시스템을 행렬 분해 관점에서 정리하고, 하이퍼커넥트 AI의 모델링 방향을 소개했습니다. 또한 SGD 기반 학습, 보조 정보 활용, GNN 도입 보류 이유를 함께 설명했습니다.
#추천 시스템#협업 필터링#행렬 분해
2800
AI와 함께하는 패션 큐레이션 — 무신사 2.0 시나리오 기반 추천 시스템 개발
무신사 2.0에서 시나리오 기반 설명 가능한 추천 시스템을 구축한 사례를 소개했습니다. 장기·단기 행동을 함께 반영해 개인화와 다양성을 높이고, A/B 테스트와 모니터링으로 운영했습니다.
#추천 시스템#LLM#Graph
7700
Tech Week 2024, 도쿄에 다녀왔습니다.
LY Corporation Tech Week 2024 도쿄 참가 후기를 공유했습니다. 글로벌 기술 교류, 발표, 부스 운영, 해커톤 현장을 통해 배운 점을 정리했습니다.
#ML#추천 시스템#벡터 데이터베이스
2200
추천 시스템의 심장, Feature Store 이야기 (1)
추천 시스템 고도화를 위해 인하우스 Feature Store를 설계하고 구축한 과정을 소개했습니다. 실시간 수집, 동적 조회, 확장 가능한 저장 구조를 통해 추천 로직과 피처 관리를 분리했습니다.
#Feature Store#추천 시스템#DynamoDB
6900
리디 추천 시스템, MLOps Platform에 올라탈 결심
리디는 추천 시스템을 SageMaker 기반 MLOps 플랫폼으로 재구성해 운영 복잡도를 줄였습니다. 모델 버전 관리, 롤백 자동화, 실시간 추론으로 더 동적인 추천 경험을 준비했습니다.
#MLOps#AWS SageMaker#ML
3100
실시간 반응형 추천 개발 일지 #1. 프로젝트 소개
배민 검색 홈 추천에 실시간 행동 이력을 반영하는 추천 시스템을 소개했습니다. 3개 컴포넌트로 구성해 CTR과 주문전환율을 높였습니다.
#추천 시스템#Kafka#MongoDB
3000
함께 구매하면 좋은 상품이에요! - 장바구니 추천 개발기 1부
장바구니 바텀시트에 맞는 보완재 추천 모델을 개발하고, NPMI 정제와 셔플링 후처리로 추천 품질을 개선했습니다. A/B 테스트에서 전환과 담은 상품 수, 금액이 유의미하게 상승해 실제 서비스에 적용했습니다.
#ML#BERT4Rec#Transformer
4400
머신러닝으로 만드는 개인화 추천 시스템
머신러닝으로 개인화 추천 시스템을 설계하는 기본 흐름을 설명했습니다. 실험 환경에서 학습하고 배포 환경에서 pCTR과 CPM으로 광고를 선택하는 구조를 정리했습니다.
#ML#추천 시스템#calibration
100
머신러닝으로 만드는 개인화 추천 시스템