Sequential Recommendation System 카카오 서비스 적용기 / if(kakao)2022
if kakao 카카오 · YouTube
AI 핵심 요약
카카오 추천팀은 브런치 개인화 추천과 카카오 웹툰 홈에서 시퀀셜 추천 모델이 기존 모델보다 효과적인지 실험했습니다. BERT4Rec 기반 모델에 타임스탬프와 아이템 메타데이터를 반영하고, MLM 사전 학습 후 다음 아이템 예측으로 파인튜닝했으며 웹툰에서는 추천 영역 밖의 소비 로그도 학습에 추가했습니다. 브런치에서는 기존 모델보다 CTR이 낮았지만, 웹툰에서는 CTR과 CVR이 개선됐고 타임스탬프를 사용한 실험에서도 두 지표가 향상됐습니다. 다만 다양성 개선과 함께 이미 본 작품을 다시 추천하는 경향이 나타났으며, 더 가벼운 SMLP 모델과 탐색이 필요한 영역에서의 한계도 함께 살펴봤습니다.
- 사용자 행동의 순서가 실제 선호와 연결되는 추천 영역인지 먼저 확인해야 합니다.
- MLM으로 사전 학습한 뒤 다음 아이템 예측 태스크로 파인튜닝하는 구성이 단일 태스크보다 효과적이었습니다.
- 추천 구좌에서 발생한 로그만 쓰기보다 서비스의 다른 영역에서 발생한 소비 데이터도 학습에 포함해 보세요.
- 다양성 지표가 좋아져도 이미 소비한 아이템을 다시 추천하는 비율은 나빠질 수 있으므로 함께 점검해야 합니다.
- 새 아이템을 탐색하기 어려운 시퀀셜 모델은 아이템이 빠르게 바뀌는 영역에서 탐색 기능이 있는 모델과 비교할 필요가 있습니다.
소개
Sequential Recommendation System은 유저의 history의 순서와 시간을 보존하여 다음에 소비할 아이템을 예측하는 추천 시스템 입니다. - 카카오 웹툰에 Sequential model을 적용해서 CTR, CVR, Diversity를 개선한 이야기를 해보려고 합니다. - 카카오 웹툰 뿐만 아니라 카카오의 여러 서비스에 Sequential model을 적용해보면서 경험적으로 습득한 Sequential model이 잘 동작하는 구좌의 특성을 공유합니다. - 또한, Sequential model의 성능을 더 끌어올리기 위해, timestamp를 적용하는 여러 실험에 대한 이야기를 추가로 해보려고 합니다. #RecommenderSystem #SequentialRecommendationSystem #ML 카카오 추천팀에서 추천 시스템 연구/개발중인 Joel입니다. 발표자료 보기 👉https://speakerdeck.com/kakao/ifkakao2...
비슷한 학습 자료
컨퍼런스 if kakao
LLM을 활용한 유저 프로파일링과 개인화 추천
컨퍼런스 if kakao
if(kakao)25 검색, 클릭 등의 행태정보를 기반으로 만드는 다양한 유저 프로파일링, 추천 프로덕트들을 소개합니다. How보다는 What을 소개하는 발표입니다. 전통적인 방법은 물론 LLM을 활용하여 개발하는 과정을 간략하게 소개합니다. #TECH #PRODUCT #AI #Data ML을 통해 문제해결하기를 좋아하는 데이터사이언티스트입니다. 요즘은 추천, LLM에 관심이 많습니다. 데이터팀에서 전사지원을 하고 있는 송민수(mason.9506)입니다. 발표자료 보기 📍 https://if.kakao.com/2025/session?sessionId=21 📍 if.kakao.com if(kakao)25 홈페이지 : https://if.kakao.com/2025 #카카오 #kakao #이프카카오25
AI에이전트 개발 딥러닝 · 머신러닝 자연어 처리
컨퍼런스 if kakao
선물하기 럭스 리뷰 카드 분류 모델 개발기 / if(kakaoAI)2024
컨퍼런스 if kakao
AI 기반 광고 추천 시스템에서 스파크 스트리밍은 실시간 데이터 처리를 위한 핵심 구성 요소로 작동합니다. 이 파이프라인은 사용자 행동 데이터를 실시간으로 수집하고 처리하여 개인화된 광고를 추천하는 데 사용됩니다. 이번에 발표할 내용은 스파크 파이프라인 아키텍처와 스파크를 효과적으로 모니터링하기 위한 방법들을 소개합니다. #카프카 #스파크 #실시간_파이프라인 #빅데이터 광고추천팀에서 실시간 데이터 프로세싱과 서빙을 맡고 있는 Cory입니다. 발표자료 보기 👉 https://speakerdeck.com/kakao/ifkakao24-23 if(kakaoAI)2024에 대한 자세한 정보는 👉 https://if.kakao.com #카카오 #이프카카오 #개발자컨퍼런스 #AI #기술 #개발 #ifkakaoAI2024
데이터베이스 데브옵스 · 인프라
컨퍼런스 if kakao
광고추천 조직의 Ai MLOps - Yggdrasil 시스템 중 Feature Store 플랫폼에 대해서 소개합니다. 데이터 사이언티스트 친화적으로 구축하여 학습 및 추론 요구사항을 만족시키고, 효율적이며 일관적인 피처 관리를 달성한 점을 중점적으로 다룹니다. 특히, raw data로부터 feature를 추출하여 적절히 가공하고, 페타바이트 이상의 조단위 건의 대용량 데이터를 처리하는 내용을 공유하고자 합니다. #AI #FeatureStore #MLOps #Data 광고추천개발에서 데이터 엔지니어링을 하고 있는 Ben입니다. 광고추천 조직의 Eli입니다. MLOps 의 Feature, 모델을 기술적으로 다루는 업무를 하고 있습니다. 발표자료 보기 👉 https://speakerdeck.com/kakao/ifkakao24-19 if(kakaoAI)2024에 대한 자세한 정보는 👉 https://if.kakao.com #카카오 #이프카카오 #개발자컨퍼런스 #AI #기술...
데이터베이스 딥러닝 · 머신러닝
컨퍼런스 if kakao
Explainable Recommendation in 카카오웹툰 / if(kakao)2022
컨퍼런스 if kakao
실제 서비스 되는 추천 시스템의 추천 모델은 복잡해지고, 다양한 intertaction 데이터를 사용하고, 깊은 데이터 파이프라인(후보군 생성 → 랭킹 → 필터링 → 다양화)을 갖고 있습니다. 이런 이유로 추천 모델의 개선을 통해 지표가 상승되었을 때 그 이유와 효과를 잘 이해하고, 쉽게 설명하기 어렵습니다. 이런 문제점을 해결하기 위해 카카오웹툰에 Explainable Recommendation을 적용하고 분석했던 사례를 이야기하고자 합니다. Explainable Recommendation은 - 사용자에게는 추천 결과의 추천 이유를 함께 제공하여 알고리즘의 투명성, 설득력, 신뢰감을 높여 사용자 만족도를 높이고 - 추천 기술 엔지니어에게는 개발한 추천 모델의 추천 이유를 정량적으로 해석하고 지표에 어떻게 영향을 주었는지 분석적으로 해석할 수 있습니다. 이는 지속적으로 올바른 방향으로 추천 시스템을 개선할 수 있는 것을 의미합니다. 또한 Explainable Reco...
딥러닝 · 머신러닝 프로덕트 지표 · 실험
컨퍼런스 if kakao
Preview AI_1 / if(kakao)2022
컨퍼런스 if kakao
if(kakao)2022 컨퍼런스에서 AI_1 관련 기술 발표 트랙을 소개합니다. 03:40 1. Explainable Recommendation in 카카오웹툰 by 최규민(pi.314) 카카오 추천팀에서 사용자에게 좋은 추천이 무엇인지를 찾고 싶어하는 pi입니다. 04:12 2. 셀피인증: 안면인식 기술을 이용한 비대면 실명확인 시스템 개발 이야기 by 정기수(victor.y) 카카오뱅크 인식기술팀에서 딥러닝 관련 업무를 담당하고있는 Victor입니다 04:32 3. 터치 습관으로 비대면 금융을 더 안전하게 by 신동화(barney.s) 카카오뱅크 금융기술연구소에서 연구개발 업무를 담당하고 있는 Barney입니다. 04:58 4. VisualComputing for Kakaomap Part: 비주얼 컴퓨팅을 활용한 카카오맵 파트III by 박영욱(thomas.young) 카카오의 비주얼컴퓨팅을 담당하고 있는 Thomas입니다. 카카오맵 발전을 위한 기술 개발을 진행하고 ...
딥러닝 · 머신러닝 컴퓨터 비전