[참석 후기]

삼성동 인터콘티넨털 호텔에서 NAVER AI colloquium을 개최했다. 네이버와 공동으로 진행중인 연구들과 실제 우리가 사용하는 포털에 적용중인 기술에 대해 적극적으로 소개하고, 연구 동향에 대해 논의할 수 있는 시간이었다. 크게는 Recommendation, NLP, Vision으로 주제가 나누어져 평소에 참여해온 학회들과는 차별점이 있었다. 연구의 흐름과 실제 현업에서의 application에 대해 직관적으로 이해해볼 수 있는 시간이었으며, 지속적으로 생산되는 사용자 데이터를 수익성 창출에 접목시키기 위한 다양하고 신선한 연구들이 활발히 진행되고 있어 놀라웠다. 본 학회를 통해 내가 갖춰야하는 차별점과 기여할 수 있는 부분들에 대해 다시한 번 고민해볼 수 있는 기회였다고 생각한다.

[청취 후기]

1. Watchable interval(한양대 김상욱교수)

본 연구는 사용자에게 개인화된 방송 채널을 추천해주는 시스템을 구현하고자 제안한 방법론이다. 먼저 발표자가 추천 시스템의 개요에 대해 단계적으로 설명해주어 가장 인상깊게 들을 수 있었다. 대부분의 연구들이 사용자들로부터 얻은 기호정보에 따라 해당 사용자의 관심사를 예측하는 협업필터링 기반에 초점이 맞춰진 만큼, 해당 연구 또한 협업필터링을 기반으로 하고있다. 이 경우, 대상이 되는 사용자 이외에도 다양한 사용자들의 이력정보가 필요하다. 내가 이전에 접해온 추천 시스템 연구들은 사용자의 이력 정보 행렬을 예측하고자 하는 데에 목적을 두고 모델을 개선시킨 사례들이 주를 이루었지만, 해당 발표에서는 전문가 지식을 활용하여 사용자의 이력정보를 어떻게 가공할 것인가에 대해 초점을 맞추었다. 이는 데이터 분석 관점에서는 학습 데이터셋을 어떻게 잘 구성하는가로 해석할 수 있었다. 이전 데이터는 사용자가 해당 채널에 대한 시청여부를 이진으로 구별했다면, 해당 연구에서는 Watchable interval개념을 도입하여 시청 시간 간격을 고려하여 더욱 섬세하게 사용자의 이력을 관리하였다. 해당 연구를 통해 추천시스템에대해 개괄적으로 짚어볼 수 있었을 뿐만 아니라, 데이터 분석 혹은 활용에 있어서도 데이터의 형태와 구조에 대해 한번 더 깊게 생각해볼 필요가 있다고 느껴졌다. 

2. Item to vec(네이버 양민철)

해당 발표는 네이버에서 실제 타겟 상품을 선정하면 하기에 비슷한 혹은 매칭하면 좋을 의류제품군을 나열해주는 방법론에 대해 다루었다. 먼저, 내가 자주 애용하는 쇼핑 경로에서 무심코 지나쳤던 것들이 이렇게 고심끝에 설계되어 적용되었음에 감탄하였다. 이 때, 핵심적으로 차별화가 되는 점은 단순히 한 타겟 상품에 대해 정해진 의류들을 추천해주는 것이 아닌 대상자에 따라 개인화된 추천을 제공한다는 것이다. 즉, 같은 의류를 검색하더라도 검색한 사용자가 누구냐에 따라 하기에 추천되는 상품이 조금씩 다르다는 것이다. 이 때, 제품의 설명글과 메타정보를 같은 공간상에 임베딩한다고 표현하였는데 해당 방법론이 궁금했지만, 자세히 설명을 들을 수 없어서 아쉬웠다. 결과적으로, 해당 알고리즘은 사용자가 구매한 시퀀스를 반영하여 다음 제품과 연관된 제품을 추천하도록 설계되었다. 같은 셔츠를 보더라도 이전에 스포츠 용품을 구매한 사용자와 혼수용품을 구매한 사용자에 대한 결과가 상이할 것이다. 이후에도 토픽모델링을 사용하여 이전에 구매한 제품의 토픽들을 기반으로 유사한 제품을 추천해주는 연구에 대해서도 소개해주었다. 전반적으로 네이버의 동향이 사용자의 정보를 충분히 활용함을 넘어서 개인맞춤화되가고 있다는 점에서 놀라웠고, 이런경우 노이즈가 될만한 검색정보들을 어떻게 처리할 것인지에 대한 연구가 병렬적으로 진행되어야한다고 생각했다. ​