![[팀네이버 컨퍼런스 DAN25] From Trend to You: 숏텐츠 키워드 추천의 개인화](https://i.ytimg.com/vi/gbxSLh9gsBQ/maxresdefault.jpg)
[팀네이버 컨퍼런스 DAN25] From Trend to You: 숏텐츠 키워드 추천의 개인화
DAN 2025 네이버 · YouTube
AI 핵심 요약
숏텐츠는 키워드만으로는 정보가 부족하고 문서 전체를 읽기에는 부담스러운 모바일 환경에서, 트렌드 키워드와 관련 문서를 짧은 콘텐츠로 제공하기 위해 만들어졌다. 검색량·증가 추세·예측 대비 검색량으로 트렌드를 찾고, 검색 클릭 로그와 문서 태그·개체명 인식·정보 검색 결과를 활용해 문서를 연결한 뒤 대표 문서와 LLM 생성 키워드를 구성한다. 개인화에는 세분화된 카테고리 및 키워드 선호도를 적용하고, DCN과 경량 LLM 랭커 Spea를 조합해 사용자별 순위를 매겼으며 발표에서 여러 지면의 클릭률과 홈피드 이용 지표 개선 사례를 소개했다. 생성 키워드 실험에서는 말투만 강조하면 핵심 정보가 빠지거나 낚시성 표현이 생길 수 있음을 확인해, 사실성·정보량·매력·간결성을 평가하는 기준과 LLM 기반 필터 및 프롬프트 자동화 방향을 제시했다.
- 트렌드 키워드는 검색량뿐 아니라 증가 추세와 예상 검색량 대비 초과 관심도를 함께 살펴 추출한다.
- 키워드와 문서는 검색 후 클릭 로그, 문서 태그, 개체명 인식, 정보 검색 결과 등 서로 다른 신호로 연결한다.
- 사용자 관심사는 카테고리 선호도와 키워드 소비의 최신성·빈도·지속성을 나눠 모델링할 수 있다.
- DCN은 피처 간 비선형 상호작용을 학습하고, LLM 랭커는 사용자 컨텍스트를 반영하도록 지식 증류와 분류 학습으로 경량화할 수 있다.
- 생성형 키워드는 클릭률만 최적화하면 낚시성 표현이 늘 수 있으므로, 핵심 정보·사실성·간결성을 함께 평가하고 필터링해야 한다.
소개
[팀네이버 컨퍼런스 DAN25] From Trend to You: 숏텐츠 키워드 추천의 개인화 숏텐츠는 최신 인기 문서의 핵심 정보를 생성형 AI가 요약해 제공하는 숏폼형 검색 콘텐츠로, 사용자가 한 화면에서 빠르게 트렌드를 파악할 수 있도록 설계된 서비스입니다. 발표에서는 먼저 숏텐츠로 선정될 수 있는 키워드와 문서의 조건을 정의하고, 서비스에 활용되는 트렌드 탐지 방법론을 소개합니다. 이어서 키워드-문서 매칭 모듈을 통해 트렌드 키워드와 관련 문서를 연결하고, 이를 기반으로 맥락적 연관성을 확보하는 과정을 설명합니다. 또한 LLM을 활용하여 키워드가 주목받은 이유를 설명하는 ‘맥락 키워드’를 생성하고, 이를 서비스에 적용하는 사례를 다룹니다. 이어지는 개인화 모델링 파트에서는 사용자별 자질을 발굴하고, Deep & Cross Network 기반 Keyword Ranker를 활용해 추천 정확도를 높이는 방법을 제시합니다. 더 나아가 LLM 기반 Ranker인 Spea...
비슷한 학습 자료
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 끊임없이 즐거움, 네이버 클립으로 빠져들다: 개인화·VLM·에이전트가 완성하는 네이버 클립 경험 본 세션에서는 네이버 클립 서비스 내 개인화 추천 시스템이 지난 1년간 어떻게 고도화되었는지를 다룹니다. 추천풀 단계에서 이미지·텍스트 기반 품질 평가와 사용자 피드백을 반영해 고품질 콘텐츠와 우수 크리에이터를 선별하는 과정을 소개하고, 협업 필터링, 콘텐츠 기반 임베딩, 사용자 행동 시퀀스 모델을 결합한 숏폼 뷰어 랭킹 개선 사례를 공유합니다. 마지막으로, 개인화 알림 에이전트를 통해 “누구에게, 언제, 어떤 클립을 전달할 것인가”를 결정하는 트리거 모델링과 실시간 추천 전략을 설명하며, LLM 기반 고도화를 사용한 추천 모델링 실험을 다룹니다. 목차 - 발표 개요 네이버 클립 서비스 소개 클립 추천 시스템의 주요 구성 요소와 고도화 방향 Section 1) 클립/채널 추천풀 구축 - 고품질 클립 콘텐츠 풀 ...
AI에이전트 개발 딥러닝 · 머신러닝 컴퓨터 비전
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 발췌에서 생성으로: 네이버 검색의 진화
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 발췌에서 생성으로: 네이버 검색의 진화 본 세션에서는 생성형 AI를 활용하여 네이버 검색 결과를 요약 제공하는 AI브리핑 서비스를 소개하고, 서비스 출시 과정의 기술과 노하우를 공유합니다. 서비스를 구성하는 컴포넌트별로 필요한 LLM 모델을 튜닝하고, 파이프라인을 구축하여 서빙하는 과정, 그리고 서비스별 니즈를 만족시키기 위해 특화된 LLM모델링 및 프롬프트 엔지니어링을 수행하는 과정들에 대해 공유합니다. 목차 1. AI브리핑 소개 - 검색과 AI의 만남 - AI브리핑 시스템 overview - AI브리핑의 다양한 라인업 및 성과 2. AI브리핑 시스템 들여다보기 - AI브리핑을 위한 검색 시스템 소개 - 지속가능한 모델 개선 파이프라인 - AI브리핑 등장 후 네이버 검색 품질의 변화 3. 서비스 특화된 AI브리핑 - 다양한 사용자의 요구를 만족하기 위한 차별화된 시도 - Docume...
AI에이전트 개발 자연어 처리
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 검색 서비스에 최적화된 LLM 만들기: 데이터, 학습, 서비스 적용 사례 범용 LLM은 강력하지만 매일 수십억 건의 질문과 답을 다루는 실제 검색 서비스에 그대로 적용하기에는 한계가 있다. 본 발표에서는 "검색 서비스 특화 LLM"을 만들고 실제 서비스에 적용해본 경험담을 공유한다. 검색 로그에서 출발한 데이터 가공 레시피 적용과 다양한 데이터 조합 실험, 특히 기존 범용 성능을 유지하면서도 서비스 맞춤 기능을 끌어올린 실험 결과와 데이터 최적화 노하우를 공유한다. 실제 서비스 적용 관점에서는 보다 신뢰성있는 검색 결과를 사용자에게 제공하기 위한 AuthGR과 전통적인 정보 검색 과정을 하나로 통합해 제시하는 AI briefing 을 소개한다. 이를 통해 범용 LLM 대비 검색 서비스 특화 모델의 효용성을 확인할 수 있으며, 네이버가 검색 품질 개선을 위해 갖고있는 고민과 앞으로의 방향성을 엿볼 수 있다. 목차 1. 서비스 특화 LLM 의 필...
딥러닝 · 머신러닝 자연어 처리
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] NextN Search: 끊임없이 진화하는 네이버 검색
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] NextN Search: 끊임없이 진화하는 네이버 검색 네이버 검색은 언제나 한 방향을 향해 진화해 왔습니다. 사용자가 원하는 정보를 더 정확하게 찾아주고, 양질의 네이버 콘텐츠를 더 효과적으로 보여주는 것, 그것이 변화의 본질입니다. NextN Search는 이러한 목적 아래, 검색 시스템 전반에 걸친 전방위 개편을 시도했습니다. 비효율적인 블록 영역을 최적화하고, 블록 중심의 결과를 개별 콘텐츠 피드 단위로 재구성함으로써 랭킹의 정교함과 해상력을 높였으며, 맞춤형 콘텐츠 추천을 통해 사용자가 체감할 수 있는 개인화 경험을 제공합니다. 본 세션에서는 NextN Search에 적용된 핵심 기술의 개발 과정과 실서비스 적용 경험을 공유합니다. 또한 LLM·VLM을 다양한 검색·추천 태스크에 활용한 실전 노하우를 통해, 최신 AI 모델이 실제 서비스에서 어떤 가치를 만들어내는지 구체적으로 살펴봅니다. 아래는 세션의 주요 목차입니다. NextN Sea...
딥러닝 · 머신러닝 자연어 처리
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] Place AI Briefing: 검색부터 요약까지
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] Place AI Briefing: 검색부터 요약까지 이번 세션은 네이버 플레이스 AI Briefing 생성의 기술적 파이프라인을 다룹니다. Retrieval - Reranking - Summarization 구조를 중심으로 탐색형·정답형·정보형 태스크 차이를 설명하고, 텍스트와 이미지 정보를 요약하는 방법을 소개합니다. 구체적으로 Text Encoder·Reranker·Multi-modal Encoder의 데이터셋 구축, 모델 선택과 학습 방법론, 도메인 특화 모델 평가 사례, 그리고 ICL·Distillation 기반 요약 기법을 공유합니다. 마지막으로 서비스 적용 경험을 토대로 효율 최적화, 대형·경량 모델 조합 등 실무 전략을 제시합니다. 이 과정을 통해 얻은 통찰이 더 나은 서비스 설계와 발전 방향을 모색하는 데 기여하길 바랍니다. 목차 1. Overview - Place AI Briefing - 서비스 설명과 사례 ...
컴퓨터 비전 자연어 처리
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 데이터 속 숨은 트렌드, LLM이 답하다: 랭킹 기반 플레이스 트렌드 분석 시스템 "지금 사람들이 가장 많이 찾는 장소는 어디일까요?" 본 발표에서는 실시간 사용자 데이터를 기반으로 '지금 뜨는 장소'를 찾아내는 랭킹 기반 플레이스 트렌드 분석 시스템을 소개합니다. 단순히 많이 찾는 곳을 넘어, '급등'과 '지속'의 균형을 맞춘 랭킹 알고리즘을 통해 진정으로 의미 있는 트렌드를 포착하는 노하우를 공유합니다. 더 나아가 텍스트 마이닝과 LLM을 활용하여 "왜 이 장소가 지금 뜨는가?"에 대한 이유까지 키워드로 추출하는 과정을 살펴봅니다. 데이터 속 숨겨진 트렌드를 발견하고, 그 이유까지 설명 가능한 인사이트를 얻어가는 시간을 가져보세요. 목차 1. 지금 많이 찾는 장소: 서비스 소개 - "지금 뜨고 있는 장소는 어디일까?" - 데이터가 말하는 지금 이순간 - 실시간성, 랭킹, 설명가능성 - 동시 달성을 위한 챌린지 2. 관심에서...
자연어 처리 프로덕트 지표 · 실험