네이버 홈피드, LLM 기반 초개인화 추천 시스템 도입!
by DD
11개월 전
조회수 2
대규모 언어 모델(LLM)을 활용하여 사용자 관심사 기반의 개인화 추천 시스템을 구축함
DCN 랭커 및 MDE 랭커를 도입하여 클릭률(CTR) 및 만족도를 동시에 개선함
Rank1 리트리버 밴딧 모델을 통해 사용자 행동 패턴에 맞는 맞춤형 콘텐츠를 제공함
LLM 기반 사용자 태그 생성: AiRScout
사용자 검색 로그를 분석하여 LLM으로 사용자 태그를 생성한다. 구체적으로, 사용자가 검색한 키워드를 기반으로 더욱 구체적인 키워드를 생성한다. 따라서, After Search 리트리버에 적용하여 추천 정확도를 향상시킨다.
DCN & MDE 랭커: 클릭률과 만족도의 균형
DCN 랭커를 통해 다양한 콘텐츠의 특징을 효과적으로 학습한다. MDE 랭커는 클릭 확률과 만족 확률을 함께 예측하여 만족도 높은 콘텐츠를 추천한다. 반면, calibration 로직을 통해 추천 결과의 다양성을 확보한다.
Rank1 리트리버 밴딧: 맞춤형 첫 콘텐츠
리트리버 밴딧 모델은 사용자 행동 패턴을 분석하여 최적의 리트리버를 선택한다. 구체적으로, LinUCB 알고리즘을 사용하여 컨텍스트 기반의 리트리버를 선정한다. 따라서, 신규 사용자에게는 After Search를, 기존 사용자에게는 Click2Click을 추천한다.
