UNIST 인공지능대학원 이연창교수(왼쪽)와 강대희 연구원. UNIST 제공
같은 전자제품을 구매할 때 컴퓨터는 최고급 사양을, 오디오는 가성비 제품을 구매할 수 있는데, 이러한 취향 차이를 정확히 읽어 상품 추천 정확도를 높일 수 있는 기술이 개발됐다.
UNIST 인공지능대학원 이연창 교수팀은 세부 상품군에 따라 달라지는 소비자의 구매 성향을 제대로 읽어낼 수 있는 '교차 도메인 추천 기술'인 '멀티탭(Multi-TAP)'을 개발했다고 6일 밝혔다.
교차 도메인 추천 기술은 한 사용자가 자주 구매해 기록이 충분히 쌓인 상품 분야에서 얻은 정보를, 그 사용자에게 기록이 부족한 다른 상품 분야의 추천에 활용하는 기술이다. A라는 사람이 전자제품은 자주 샀지만 홈·생활용품은 거의 사지 않았다면, 전자제품 구매 기록을 바탕으로 홈·생활용품을 추천하는 식이다.
멀티탭은 같은 상품 분야 안에서도 세부 상품군에 따라 달라지는 구매 성향을 구분하며, 다른 상품 분야의 정보는 현재 추천과 관련 있는 만큼만 반영하는 교차 도메인 추천 기술이다. 덕분에 기존 기술 대비 소비자의 세부 취향을 더 정확하게 반영할 수 있다.
세부 상품군별 취향을 반영하는 멀티탭의 추천 과정. UNIST 제공
데이터마이닝 최고 권위 국제학술대회서 발표
멀티탭은 구매 이력과 상품 정보를 분석해 사용자가 가격, 평점, 리뷰 수를 제품 구매 시 얼마나 따지는지와 이용 빈도, 동일 상품 분야에서 얼마나 다양한 세부 상품군을 구매했는지를 3단계로 나눈 뒤, 이를 대형언어모델(LLM)이 상품군별 차이가 드러나는 문장으로 정리하게 한다. 이 문장을 숫자 정보로 바꿔 기존 추천 알고리즘인 라이트GCN (LightGCN)이 학습한 구매 행동 정보와 결합한 뒤 상품을 추천하게 된다.
LLM을 쓰면 높음·중간·낮음이라는 3단계 수치만 나열할 때보다 어느 상품군에서 어떤 성향이 나타났는지까지 추천 모델이 구분해 학습할 수 있다.
또 추천하려는 상품 분야를 기준으로 다른 분야의 정보가 얼마나 관련 있는지 계산해, 그 반영 정도를 조절하도록 했다.
실험에서 아마존의 전자제품, 홈·생활용품, 스포츠용품, 의류, 완구 구매 기록을 이용해 성능을 검증한 결과, 대표적인 6개 교차 추천 과제 중 5개에서 가장 높은 성능을 냈다.
실제 구매 상품을 상위 5개 추천 목록에 포함한 비율은 기존 최고 기술보다 최대 36.3% 높았다.
이번 연구는 데이터마이닝 분야 최우수 국제 학술대회 ACM KDD(ACM SIGKDD Conference on Knowledge Discovery and Data Mining)에 채택됐다. 김미영기자 lalala4090@
댓글
0