-
패스트캠퍼스 환급챌린지 34일차 미션 (3월 5일) : 30개 프로젝트로 끝내는 추천시스템 구현 초격차 패키지 강의 후기2024년 패스트 캠퍼스 챌린지 2024. 3. 5. 23:32
강의 내용 Review
📍배운내용📍
- 그래프 구조 활용
- LINE 쿠폰 추천
- 대화형 추천 시스템
👉강의내용👈
그래프 구조 활용
- GNN 기반 멀티레이블 정보 사용: 노드와 노드 사이에 관계를 학습하는 방법론, 관계정보를 활용해서 소수의 상호작용으로도 이웃으로 부터 많은 임베딩 정보를 학습할수있는 정보를 전달받을수 있음
- 콜드 스타터문제와 높은 수준의 연결성을 통해 초기의 유저의 임베딩을 잘 생성할수있음, 벌추얼 엣지와 같은 메타 정보 사용
- 메세지 패싱: 이웃으로 메세지를 전달받고 스스로의 정보를 업데이트 하는 흐름
- 그래프 세이지 : 유저가 있을때 타겟노드를 기준으로 주변 이웃을 샘플링하고, 이 샘플링한 서브 그래프를 기준으로 표현을 만들어냄
- 지식 그래프 기반 추천: 지식 그래프 내에서의 높은 순위 커넥션과 엔티티 정보를 활용해서 이종적인 방식으로 상호작용이 없어도 좋은 추천을 제공할수있음
LINE 쿠폰 추천
- 추천 시스템은 도메인과 서비스의 형태에 따라서 적절한 방법이 달라짐
- 쿠폰 추천: 할인 쿠폰을 제공하는 서비스, 개인화 추천 시스템을 통해 다양하게 추천함
- 초기 문제 해결방법: 딥러닝도입. 이는 대규모 로그 정보를 사용할수있음
- 하지만 콜드 스타트 문제 발생: 과거 기록이 부족하면 학습이 잘 안됨, 신규 쿠폰이 학습되지 않으면 추천이 잘 안됨, 인기 상품만 추천함으로 다양성이 떨어짐
- 그래프로 로그로 그래프 생성함, GNN레이어를 쓰면서 주변의 정보를 조합 할수있음
- 그래프 구조의 장점: 콜드 유저에게 좋은 추천 가능
- 새로운 유저의 등장과 쿠폰 등장에 따른 재학습이 필요없음, 연결성과 메타 정보, 서비스 지식을 사용해 효율적인 노드 사용가능, GNN기반으로 추천 시스템을 통해 CTR과 다양성을 개선함
대화형 추천 시스템
- 고객에대한 명시적인 인터렉션 정보가 없어도 대화를 통해 유저의 선호를 추출할수있음
- 시스템과의 대화를 통해 선호를 드러냄, 개인과 대화를 통해 상호작용을 하면서 추천 가능
- 데이터가 거의 없을때 퓨샷과 제로샷으로 추천을 할수있을까?
- 사람: 유저의 선호와 상호작용을 통해 모든 지능을 가지고 가장 발달된 정보로 추천함
- 대화를 통해 유저가 서비스에 몰입하게하고 변화하는 선호를 계속 발굴할수있음
- 시스템의 입출력으로 음성, 텍스트, 사진 등도 사용가능
- 개인화 된 추천을위해 대화형 인터페이스를 많이 활용함
- 대화형 추천시스템은 인풋이 들어오면 자연어를 분석하고 처리하고, 유저에 대한 모델링 파트, 도메인과 배경지식 파트와 추천과 이유 파트를 통해 추천을 진행함
- LLM을 활용한 추천이 많이 연구됨
공부사진
34일차 후기
그래프.. 그래프 공부하자!
본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
'2024년 패스트 캠퍼스 챌린지' 카테고리의 다른 글