딥러닝으로 락스크린 추천 시스템, 클릭률 25% UP!
by DD
9년 전
조회수 5
버즈빌은 Tensorflow를 활용하여 락스크린 컨텐츠 추천 시스템을 개발함
RNN, Embedding 등 딥러닝 모델을 설계하고, AUC를 통해 성능을 평가함
A/B 테스트 결과, 개인화 추천이 클릭률 25% 향상을 보임
Tensorflow 기반 모델 아키텍처
버즈빌은 유저/컨텐츠 데이터를 활용하여 딥러닝 모델을 설계했다. 구체적으로, TFRecord 형식으로 데이터를 저장하고, Embedding 레이어를 통해 sparse 데이터를 dense vector로 변환했다. 따라서, RNN 레이어를 통해 컨텐츠 제목과 description을 처리하고, Feed forward layer를 통해 최종 클릭 확률을 계산했다.
모델 성능 평가 및 튜닝 전략
모델 성능 평가는 AUC를 활용하여 진행했다. 따라서, Overfitting을 방지하기 위해 L2 Regularization과 Dropout을 적용했다. 반면, Tensorboard를 통해 훈련 과정을 모니터링하고, 다양한 Hyperparameter를 튜닝하여 모델 성능을 개선했다.
추천 시스템의 확장 및 미래
버즈빌은 모델 병렬화를 통해 훈련 속도를 향상시키고, 자동 튜닝 시스템을 구축할 계획이다. 구체적으로, Reinforcement Learning을 활용하여 광고/컨텐츠 할당 정책을 개선할 예정이다. 결과적으로, TFlearn과 같은 라이브러리를 활용하여 개발 효율성을 높일 수 있다.
