최신연구

[유환조 교수] Dynamic Multi-Behavior Sequence Modeling for Next Item Recommendation

2023-04-04
  • 666

[연구의 필요성]
쇼핑몰에서 상품을 둘러보는 사용자들은 상품 구매, 조회, 장바구니에 담기, 즐겨찾기 등록 등 상품에 대한 다양한 행동을 한다. 각각의 행동은 사용자가 다음에 구매할 상품을 추천하는 추천 시스템에게 사용자가 해당 상품에 갖고 있는 선호도에 대한 정보를 제공할 수 있다. 이때 그 정보는 행동 종류에 따라 의미하는 바가 다른데, 예를 들면 사용자가 구매한 상품 기록은 사용자가 선호하는 상품의 브랜드나 색상 등 일반적인 취향을 나타낼 수 있으며, 사용자가 최근에 조회한 상품의 기록은 사용자가 현재 어떤 카테고리의 상품을 구매하려고 하는지에 대한 정보를 담고 있을 수 있다. 추천 시스템은 사용자의 다중 행동 데이터로부터 이런 정보들을 정확히 추출해내어 사용자가 구매할 상품을 예측해야 하며, 따라서 각각의 행동 시퀀스에서 중요한 정보를 정확하게 파악하는 방법에 대한 연구가 필요하다.

[포스텍이 가진 고유의 기술]
본 연구는 사용자의 다중 행동 시퀀스의 여러 가지 특징에 대해 고찰하여 정리하고, 각 특징을 고려하는 모델링 방법을 최초로 제안한다. 그 특징에는 1) 각 행동 시퀀스의 데이터 양은 불균형하다는 것, 2) 각 행동 시퀀스는 상호 보완적인 각각의 특별한 정보를 내포한다는 것, 3) 그 정보는 사용자 개인마다 다를 수 있다는 것, 4) 각 행동 시퀀스 간에는 상관관계가 있다는 것이 있다. 본 연구는 이 모든 특징을 고려하여 사용자의 다중 행동 시퀀스를 모델링하고, 사용자가 다음에 구매할 상품을 정확하게 추천하는 두 가지 방법을 제안한다.

[연구의 의미]
대부분의 기존의 연구는 사용자의 행동 시퀀스를 모델링할 때 단일 행동만을 고려하거나, 다중 행동에 대해 모델링할 때 행동의 시퀀스(순서)를 고려하지 않았다. 이에 비해 정확한 추천을 위해 다중 행동 시퀀스를 고려하는 방법을 제안하는 한편, 다중 행동 시퀀스를 모델링할 때 고려해야 할 특징을 정리했다는 점에서 본 연구의 의미가 크다. 또한 모델의 성능은 크게 향상시키면서도 모델의 학습 파라미터나 예측에 걸리는 시간은 증가하지 않았다는 점에서, 추천 서비스 제공자가 부담 없이 사용할 수 있는 실용적인 연구라고 할 수 있다. 또한, 본 연구를 통해 실제 쇼핑몰 서비스에서 수집된 최신의 대규모 데이터셋을 공개함으로써 앞으로의 관련 연구에도 도움을 주었다.

[연구결과의 진행 상태 및 향후 계획]
이번 연구에서는 구매, 조회, 장바구니, 즐겨찾기 행동이 있는 쇼핑몰 데이터에 대해서만 연구를 집중적으로 진행하였으나, 사용자의 다중 행동이 존재하는 다른 도메인에서 본 연구의 효용성에 대해 테스트해볼 예정이다.

[성과와 관련된 실적]
한국정보과학회 선정 최우수국제학술대회인 AAAI 2023에 본 연구에 대한 논문이 발표되었다.
Junsu Cho, Dongmin Hyun, Dong won Lim, Hyeon jae Cheon, Hyoung-iel Park, Hwanjo Yu, “Dynamic Multi-Behavior Sequence Modeling for Next Item Recommendation”, AAAI, 2023.

[성과와 관련된 이미지]

목록