#추천 시스템

우아한 형제들 배달의 민족 추천시스템에 대한 "실시간 반응형 추천 개발 일지" 기존 Two Tower Model 추천시스템에 '실시간' 성을 추가하는 과정입니다. 추천시스템 구축을 하면 보통 daily batch 하루 배치 단위로 추천 모델을 갱신하게 되는데요. 이렇게 실시간 성이 없는 추천시스템은 분명 한계가 있어요. (저도 딱 유사한 시스템을 구축해본적이 있어 완전 공감..) but 실시간성은 사실 user vector 만 바꾸면 되니까,,, daily batch 여도 일정 수준의 실시간성은 보장할 수 있는데, 배달의 민족의 경우 워낙 유저가 많고 빠른 반응성을 확보하기 위해 추천 목록 자체도 daily batch로 생성하고 있었군요. 워낙 많은 유저와 데이터를 실시간으로 처리해서 vector 화 하는 부분도 분명 까다로우니까요. https://techblog.woowahan.com/17383/더보기 줄이기

3.4 p

팔로우3

리액션유저 7

KAIST 와 네이버에서 연구한 LLM 을 이용한 추천시스템 새로운 논문 기사. 기존 LLM 기반 추천시스템 하면 보통 파인튜닝 모델을 만드는 것인데, 여기서는 LLM 은 그대로 두고, 그 앞단에서 CF (협업 필터링) 을 통한 벡터를 생성해서 이 embedding vector 를 그대로 LLM 에 넣는 방식으로 유연하게 추천시스템을 활용할 수 있는 방법을 제안합니다. 논문을 슬쩍 봤는데요. User embedding vector 와 해당 유저의 history item vector 들, 그리고 추천받고 싶은 후보군 vector 들을 그대로 LLM 에 프롬프트로 넣어버리네요. 이렇게 해도 잘 작동한다는 것이 신기하고. 그렇다면 정말 여기저기 막 가져다 쓰기 좋을듯합니다. ㅎㅎ더보기 줄이기

"LLM 기반 추천 기술, 기존 한계 극복했다!"... KAIST-네이버, '학습 속도 253%, 추론 속도 171% 향상' 기존 상품 추천에서 42% 성능 향상

인공지능신문

최근 소셜 미디어, 전자 상거래 플랫폼 등에서 소비자의 만족도를 높이는 다양한 추천서비스를 제공하고 있다. 그 중에서도 상품의 제목 및 설명과 같은 텍스트를 주입하여 상품 추천을 제공하는 대형언어모델(Large Language Model. 이하,…

4.1 p

팔로우2

리액션유저 5

매타 AI 추천 시스템 업데이트 뉴스. 특히 비디오 추천을 강화시키는 내용 입니다.더보기 줄이기

Meta Announces Plans for AI-Generated Video Recommendations

MOVIEGUIDE.ORG

Meta recently announced plans for an AI system that will power the platform’s video components. Head of Facebook Tom Alison...

1.4 p

팔로우2

리액션유저 2

인스타그램 랭킹 알고리즘에 대한 아티클이 있어서 공유합니다. 기본적으로 하나의 알고리즘이 아닌 여러 알고리즘을 섞어서 사용하는것은 당연하구요. 목표는 사용자가 앱에 더 오래 머물도록 하는 것 입니다. 크게 4가지 주요 기능별로 주요 고려할 요소들이 있습니다. 1. 피드 게시물: 피드 활동 (좋아요, 댓글, 공유, 저장) 2. 스토리: 과거에 보거나 참여한 스토리 3. 탐색: 탐색 중 활동 + 피드 활동 4. 릴스: 릴스에서의 활동 2024년에 추가로 반영된 시그널 중에 흥미로운 것. - 비디오를 많이 시청하는 패턴이 있는지? 일반적으로 당신이 얼마나 자주 반응을 보이는 스타일 인지 (좋아요 등) 를 고려한다고. 합니다. 내 인스타 사용 습관을 고려한다니 내가 평소에 거의 좋아요를 안누르는 유저인데 '좋아요' 를 한다면 보다 더 의미있는 좋아요가 될듯도.. 당연히 한가지 알고리즘만 사용되지 않구요.더보기 줄이기