오늘
흩어진 행동을 연결하다: 네이버 전 지면의 사용자 행동을 학습하는 추천 모델 개발기
검색·피드·광고 데이터를 연결하는 버티컬 추천 모델의 개발과 적용 경험을 소개합니다. 실시간 GPU 서빙 최적화와 지식 증류 기반 도메인 간 지식 전이를 다룹니다.
추천 시스템 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
10개 표시
오늘
검색·피드·광고 데이터를 연결하는 버티컬 추천 모델의 개발과 적용 경험을 소개합니다. 실시간 GPU 서빙 최적화와 지식 증류 기반 도메인 간 지식 전이를 다룹니다.
크림의 추천 후보 생성에 통합 임베딩과 범용 리트리벌을 적용한 사례를 소개합니다. v2에서 MRL과 Roaring Bitmap으로 지연 시간과 메모리 사용량을 개선했습니다.
Multi-interest 추천 모델을 KREAM에 적용하며 발생한 상품 과노출 문제를 분석했습니다. 점수 성분 분리와 다양화 전략으로 노출 종류를 늘리고 구매 지표를 유지했습니다.
Argo Workflows와 SageMaker를 결합해 추천 모델 산출물을 세대 단위로 안전하게 교체했습니다. 활성 키 기반 컷오버와 승급 게이트, 웜업으로 일일 ML 배포를 자동화했습니다.

추천 모델 선정에 앞서 모델별 데이터 요구사항과 행동 이벤트의 의미를 검토했습니다. 필수 조건은 Filtering으로 분리하고, 노출·요청·응답을 연결해 기록하는 구조를 제안했습니다.

추천 후보 TopK를 정수계획법으로 최적화해 후보 수를 절반으로 줄이고 전환율을 높였습니다. 후속 실험으로 다양성 저하를 보완하며 사용자별 TopK 배정 가능성을 검토합니다.

검색·디스플레이 광고 내재화 과정에서 Two Tower와 SASRec 기반 후보 생성을 고도화했습니다. Calibration·랭킹 손실·피처 표현 개선으로 CTR과 광고 수익 지표를 높였습니다.

검색·추천 결합과 실험 자동화로 광고 내재화 초기의 낮은 CTR 문제를 개선했습니다. 실시간 지표와 서버 기반 설정으로 빠른 실험·런칭 사이클을 구축했습니다.

상품 텍스트와 행동 시퀀스를 결합한 Collaborative Embedding 추천 모델을 구축했습니다. 지식 증류로 검색 성능을 높이고 A/B·CRM 테스트의 지표 개선을 확인했습니다.

고객 행동 로그와 시퀀스 패턴을 학습하는 실시간 개인화 딥러닝 추천 시스템을 소개했습니다. 최근 고객 행동을 바탕으로 관심 가능성이 높은 상품을 추천합니다.