|
‘추천 시스템’은 사용자의 과거 행동과 선호도를 분석해 상품이나 콘텐츠를 제안하는 기술이다. 최근 온라인 플랫폼의 급속한 성장에 따라 개인 맞춤형 추천 기술이 주목되고 있지만, 기존 기술은 사용자의 복합적 취향을 세밀하게 반영하지 못한다는 지적을 받는다. 예컨대 사용자 리뷰에서 ‘좋아하는 점’과 ‘싫어하는 점’을 명확히 구분하지 못해 추천의 신뢰도를 떨어뜨리는 식이다.
연구팀은 개인 맞춤형 추천 정확도를 획기적으로 높이는 기술을 개발했다. 연구팀은 해당 기술을 ‘LETTER’로 명명했다.
‘LETTER’는 그래프 신경망(Graph Neural Network, GNN) 기반의 추천 시스템이다. 사용자 간 관계(U-U 그래프)와 상품 간 관계(I-I 그래프)를 독립적으로 구성하고, 사용자 리뷰를 긍정과 부정으로 분리해 학습하는 방식으로 작동한다. 사용자가 높은 평가를 준 리뷰는 ‘좋아하는 리뷰’로, 낮은 평가를 준 리뷰는 ‘싫어하는 리뷰’로 분류, 선호·비선호 특성을 별도로 학습하도록 한 것이다.
연구팀은 해당 기술에 대해 “다양한 상품군을 포함한 6개 대규모 데이터셋을 활용한 실험에서 기존 최신 추천 기술 대비 최대 23.1% 향상된 추천 정확도를 확인했다”고 설명했다.
이번 연구는 정보통신기획평가원의 SW스타랩 사업과 방송통신산업기술개발 사업의 지원을 받아 수행했다. 한양대 김상욱 교수 연구팀의 손지원 연구원과 한양대 김현준 교수가 공동으로 참여했다. 연구 결과는 오는 13일부터 17일까지 이탈리아 파도바에서 열리는 ‘제48회 ACM SIGIR 국제학술대회에서 발표될 예정이다.
김상욱 교수는 “LETTER는 사용자의 선호와 비선호 요소를 명확히 구분하고, 리뷰 속 풍부한 정보를 온전히 반영함으로써 기존 추천 시스템의 구조적 한계를 극복했다”며 “이 기술은 이커머스뿐 아니라 다양한 온라인 서비스에서 추천 품질을 획기적으로 향상시킬 수 있을 것”이라고 했다.
