[참석 후기]

삼성동 인터콘티넨털호텔에서 열린Naver AI Colloquium 2019 행사에 다녀왔다. 이번 행사에서는 네이버가 산학과제 및 자체 연구를 통해 얻은 연구 성과물을 발표하는 학회와 같은 자리였다. 현재 네이버가 AI 기술을 활용하여 검색, 추천시스템, 자연어처리 등의 분야에 어떻게 적용하고 있는지 알 수 있는 기회였다. 특히 평소 학회에서 접할 수 없었던 추천시스템 응용 분야를 알 수 있는 기회여서 유익했다.

[청취 후기]

No, That's Not My Feedback, TV Show Recommendation Using Watchable Interval 

요즘 TV는 채널이 굉장히 많기 때문에 시청자가 원하는 채널을 고르기가 상당히 어려워졌다. 이런 문제 상황에서 TV 프로그램을 시청자에게 추천하기 위해 추천시스템 방법론 중 하나인 collaborative filtering 기법을 이용하여 나와 비슷한 시청 패턴을 가진 사람이 선호하는 프로그램을 추천해 줄 수 있게 하였다. 이때 중요한 것은 나와 비슷한 패턴을 가진 사람을 정의하고 찾는데 기존 연구가 진행되어 왔다. 하지만 많은 경우 시청자가 평소 시청하지 않는 시간대의 TV 프로그램을 추천을 받게 된다는 한계가 있었다. 그래서 이 문제를 해결하기 위해 시청자가 실제로 TV 시청이 가능한 시간대인 watchable interval를 고려하여 이 interval 안에서 시청한 TV 프로그램에 가중치를 많이 부여하여 더 좋은 추천을 해줄 수 있다고 한다. 기존 연구에서 나타나는 실제 문제에서의 한계점을 해결하기 위한 아이디어가 좋았다고 생각한다. 한동안 추천시스템 연구를 접할 기회가 없었는데 어떻게 연구가 진행되는지 알 수 있는 좋은 기회였다. 

Smart Around: from Embedding to POI Recommendation 

이번 발표는 네이버에 실제로 탑재되어 운영되고 있는 장소 추천시스템인 ‘스마트어라운드’가 어떤 AI 기법으로 구성되어 있는지 소개해주는 자리였다. ‘스마트어라운드’가 지향하는 것은 사용자의 기호를 반영한 검색 결과 추천이다. 일례로 사람마다 주변 맛집이라고 검색하면 개인의 선호에 따라 기대하는 검색 결과가 다를 것이다. 기존에 인기순 혹은 정확도순으로 제시해주는 일률적인 검색결과 대신 네이버는 추천시스템을 활용하여 개인 맞춤형 검색 결과를 제시해 준다. 추천은 사용자 쿼리에 의해 도출된 검색 결과와 해당 페이지에 머무는 시간 등을 RNN을 이용하여 순차적으로 모델링 하여 해당 사용자의 선호에 가장 적합한 페이지를 결과를 우선적으로 보여준다. 검색 엔진에서 어떻게 추천시스템이 활용될 수 있는지 알 수 있는 기회였다. 또한 현재 모델의 한계도 들을 수 있었는데 추천하려는 항목이 매우 많은 경우 (예를 들면 많은 수의 음식점 수) RNN의 output layer의 차원이 너무 커져 계산비용이 크게 증가하는 것이 문제라고 한다. 이 부분은 아마도 모델 기반의 추천 시스템을 활용하여는 많은 도메인에서 발생이 예상되는 문제라고 생각한다.