업스테이지, WSDM2023 우수 논문상…추천기술 관련 연구
입력
수정
WSDM은 ACM(Association for Computing Machinery)의 주관으로 매년 개최돼 올해 16회째를 맞았다. 올해는 지난달 27일부터 지난 3일까지 개최됐으며 산업계와 학계의 연구자들이 참여해 추천 시스템, 클릭률 예측, 의미 검색 등과 같은 주제를 중심으로 총 690편의 논문이 접수했다. 이 가운데 123편(17.8%)만이 통과됐다.업스테이지는 홍콩 법인의 리서치팀과 공동연구를 통해 'Atten-Mixer 네트워크를 통한 세션 기반 추천을 위한 다단계 사용자 의도의 효율적 활용’이라는 주제로 논문을 발표했다. 이 논문은 최근 사용자의 행동을 기반으로 다음 행동을 예측하는 방식인 ‘세션 기반 추천’에 대한 연구로, 사용자 의도를 다단계로 모델링하고 새로운 네트워크 구조를 제안해 추천 성능을 향상시키는 방식을 제안했다.
기존에도 ‘세션 기반 추천’ 방식을 구현하기 위해 다양한 그래프 신경망(GNNs)을 사용, 항목 간의 관계를 파악하는 연구들이 있었으나 성능 향상을 시도할 경우 모델 복잡성이 기하급수적으로 증가하는 문제가 발생하는 단점이 있었다. 이에 업스테이지 연구팀은 최적의 추천을 위해 신경망의 일부를 제거하고 중요한 부분에 집중하는 더 간단한 모델을 활용해, 탐색 공간을 최적화함으로써 한계를 극복했다.
뿐만 아니라 사용자가 어떤 항목을 선택할지 예측하기 위해 항목의 특징과 관계를 모두 고려해 다음에 어떤 항목을 선택할 가능성이 높은지 추론하는 방식으로 추천 품질을 더욱 높였다.예컨대 한 사용자가 웨딩 드레스를 찾아본 후 가구를 검색해 구매를 하는 경우, 결혼과 신혼집 장식이라는 사용자의 의도를 파악, 결혼에 필요한 물품을 추천하는 등 이후 제품의 추천 정확도를 높이는 방식이다.
업스테이지의 연구는 WSDM2023 프로그램 위원회와 참가자들로부터 많은 관심과 호응을 받았으며 특히 대회 마지막날 Best Paper Honorable Mention Award으로 선정됐다. 이 상은 전체 접수된 논문 중 상위 0.5%의 논문에게만 수여된다.
WSDM은 업스테이지의 연구에 대해 사용자 의도에 대한 다중 수준 추론을 탐구함으로써 세션 기반 추천에 대한 새로운 접근 방식을 제안했다고 평가했다. 또한 세션 기반 추천에서 복잡한 GNN을 단순화하고 보다 효과적인 모델을 설계해 검색 공간을 크게 줄이면서도 다양한 온·오프라인 실험을 통해 성능을 향상시킬 수 있음을 입증했다고 덧붙였다.업스테이지는 이미 2년 전부터 이번 논문에서 제안한 모델을 실제 온라인 서비스에 적용해 추천 인공지능(AI) 팩의 성능을 향상시키고 있다. 업스테이지는 추천기술뿐 아니라 이미지에서 원하는 정보를 추출해 이용할 수 있는 광학문자인식(OCR) 기술 등 ‘업스테이지 AI팩’을 출시한 바 있다. AI팩을 이용하면 데이터 가공, AI 모델링, 지표 관리를 쉽게 활용할 수 있을 뿐 아니라 지속적인 업데이트를 지원, 상시 최신화 된 AI 기술을 편리하게 사용할 수 있다.
이번 연구를 주도한 김재범 업스테이지 AI프로덕트 리더는 “홍콩 리서치팀과 공동연구를 통해 학술적인 수준을 넘어 실제 현업에 사용하고 있는 상용모델에 대한 연구로 업스테이지 추천기술의 우수성을 학계에서 인정 받게 되어 무척 기쁘다”며 “이번 성과 뿐 아니라 각 산업 및 고객의 서비스 환경에 맞는 다양한 추천모델을 통해 더 우수한 AI팩을 만들고 고객 성공에 기여할 것”이라고 말했다.
조아라 한경닷컴 기자 rrang123@hankyung.com